refactor(examples): replace sector-specific example material with generic, fictitious examples

Reference files, test fixtures, the playground demo project and one design
document now use generic, fictitious examples (buildings, energy, water,
grants, municipal services). The playground demo (17 fixtures plus the
embedded demo state) tells one consistent story: a municipal customer
chatbot that pre-screens housing-benefit applications, classified under
Annex III point 5(a). The embedded demo copies were edited in place rather
than regenerated, because they already carry newer AI Act dates than the
fixture files.

Legal text is unchanged. Test semantics are unchanged. Four dark-theme
onboarding screenshots with outdated placeholder text are removed.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

skills/ms-ai-engineering/references/multi-modal/image-classification-understanding.md

@@ -60,7 +60,7 @@ client = ImageAnalysisClient(
 
 # Analyser bilete med alle tilgjengelege features
 result = client.analyze_from_url(
-    image_url="https://example.com/road-damage.jpg",
+    image_url="https://example.com/facade-damage.jpg",
     visual_features=[
         VisualFeatures.CAPTION,
         VisualFeatures.DENSE_CAPTIONS,
@@ -122,12 +122,12 @@ response = client.chat.completions.create(
         {
             "role": "system",
             "content": """Du er ein bildeklassifiseringsekspert for
-            Direktoratet for digital tjenesteutvikling. Klassifiser vegskader i kategoriane:
-            - SPREKK_LANGSGAAANDE
-            - SPREKK_TVERRGAAANDE
-            - HULLROT
-            - SETNINGSSKADE
-            - KANTSKADE
+            Direktoratet for digital tjenesteutvikling. Klassifiser bygningsskader i kategoriane:
+            - SPREKK_I_MUR
+            - FUKTSKADE
+            - AVSKALLING
+            - ROTSKADE
+            - TAKSKADE
             - INGEN_SKADE
             Returner JSON med 'kategori', 'alvorlegheit' (1-5),
             og 'forklaring'."""
@@ -135,11 +135,11 @@ response = client.chat.completions.create(
         {
             "role": "user",
             "content": [
-                {"type": "text", "text": "Klassifiser denne vegskaden:"},
+                {"type": "text", "text": "Klassifiser denne bygningsskaden:"},
                 {
                     "type": "image_url",
                     "image_url": {
-                        "url": "https://example.com/road-image.jpg",
+                        "url": "https://example.com/facade-image.jpg",
                         "detail": "high"
                     }
                 }
@@ -172,7 +172,7 @@ ml_client = MLClient(
 
 # Definer AutoML image classification job
 job = ImageClassificationJob(
-    experiment_name="road-damage-classification",
+    experiment_name="facade-damage-classification",
     training_data=training_dataset,
     validation_data=validation_dataset,
     target_column_name="label",
@@ -203,8 +203,8 @@ client = ContentUnderstandingClient(
 
 # Analyser bilete med tilpassa schema
 poller = client.begin_analyze(
-    analyzer_id="custom-road-damage",
-    inputs=[{"url": "https://example.com/road.jpg"}]
+    analyzer_id="custom-facade-damage",
+    inputs=[{"url": "https://example.com/building.jpg"}]
 )
 result = poller.result()
 ```
@@ -319,7 +319,7 @@ Azure Blob Storage (bileter)
 
 ### Relevante bruksområde
 
-- **Vegforvaltning**: Automatisk klassifisering av vegskader frå dronefoto
+- **Eigedomsforvaltning**: Automatisk klassifisering av bygningsskader frå dronefoto
 - **Byggesak**: Bildeanalyse av byggeprosjekt for samsvar med reguleringsplanar
 - **Naturovervaking**: Klassifisering av vegetasjon, dyreliv og miljøtilstand
 - **Kulturarv**: Kategorisering og tilstandsvurdering av kulturminne
@@ -335,7 +335,7 @@ Azure Blob Storage (bileter)
 ### Bias-vurdering
 
 - Florence-modellen er trent på breie datasett, men kan ha geografisk bias
-- Norske skiltar, vegmerking og infrastruktur kan krevje finjustering
+- Norske byggeskikkar, materialar og klimaskadar kan krevje finjustering
 - Anbefaling: Evaluer alltid med norsk-spesifikt testdatasett
 
 ---