feat(ultraplan-local): v1.6.0 — /ultraresearch-local deep research command

Add /ultraresearch-local for structured research combining local codebase analysis with external knowledge via parallel agent swarms. Produces research briefs with triangulation, confidence ratings, and source quality assessment. New command: /ultraresearch-local with modes --quick, --local, --external, --fg. New agents: research-orchestrator (opus), docs-researcher, community-researcher, security-researcher, contrarian-researcher, gemini-bridge (all sonnet). New template: research-brief-template.md. Integration: --research flag in /ultraplan-local accepts pre-built research briefs (up to 3), enriches the interview and exploration phases. Planning orchestrator cross-references brief findings during synthesis. Design principle: Context Engineering — right information to right agent at right time. Research briefs are structured artifacts in the pipeline: ultraresearch → brief → ultraplan --research → plan → ultraexecute. Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
2026-04-08 08:58:35 +02:00 · 2026-04-08 08:58:35 +02:00 · baa2d0220b
commit baa2d0220b
488 changed files with 213221 additions and 0 deletions
--- a/skills/ms-ai-engineering/references/azure-ai-services/ai-services-monitoring-logging.md
+++ b/skills/ms-ai-engineering/references/azure-ai-services/ai-services-monitoring-logging.md
@ -0,0 +1,569 @@
+# Azure AI Services - Monitoring, Logging and Diagnostics
+
+**Last updated:** 2026-02
+**Status:** GA
+**Category:** Azure AI Services (Foundry Tools)
+
+---
+
+## Introduksjon
+
+Monitoring, logging og diagnostikk er kritiske komponenter for å drive Azure AI-løsninger i produksjon. Azure Monitor-plattformen gir omfattende innsikt i ytelse, tilgjengelighet, kostnader og feilsituasjoner for alle Azure AI Services (tidligere Cognitive Services).
+
+Denne kunnskapsreferansen dekker:
+- Azure Monitor-integrasjon for AI Services (inkludert Azure OpenAI)
+- Diagnostic settings og log-konfigurasjon
+- Application Insights for applikasjonsnivå-observabilitet
+- Kusto Query Language (KQL) for log-analyse
+- Alerts, metrics og dashboards
+- Cost tracking og budsjett-varsling
+
+**Verdi for arkitekten:**
+Strukturert overvåkning sikrer at AI-løsninger ikke bare fungerer ved lansering, men kan opereres, feilsøkes og optimaliseres over tid. Tidlig etablering av monitoring-strategi reduserer MTTR (Mean Time To Recovery) dramatisk.
+
+---
+
+## Kjernekomponenter / Nøkkelegenskaper
+
+### 1. Azure Monitor Platform
+
+**Tre datalagringsmodeller:**
+- **Platform metrics** – numeriske tidsserie-data samlet automatisk, lagres i Azure Monitor metrics database
+- **Resource logs** – detaljert operasjonslogging (må aktiveres via diagnostic settings)
+- **Activity log** – subscription-level hendelser (automatisk samlet, separat lager)
+
+**Datainnsamling for Azure AI Services:**
+| Data Type | Automatisk? | Konfigurasjon | Bruk |
+|-----------|------------|---------------|------|
+| Platform Metrics | Ja | Ingen | Real-time dashboards, alerts |
+| Resource Logs | Nei | Diagnostic settings påkrevd | Post-mortem analyse, compliance |
+| Activity Log | Ja | Ingen | Kontrollplan-operasjoner (create/delete) |
+
+**Viktig distinksjon:**
+- **Control plane** – Azure Resource Manager-operasjoner (opprettelse av ressurser, endring av SKU)
+- **Data plane** – faktisk AI-tjeneste-bruk (API-kall, token-bruk, latency)
+
+### 2. Diagnostic Settings (Nøkkelkonfigurasjon)
+
+Diagnostic settings er obligatorisk for å samle resource logs.
+
+**Konfigurasjon via Azure Portal:**
+1. Naviger til Azure AI Services-ressursen
+2. **Monitoring → Diagnostic settings → Add diagnostic setting**
+3. Gi beskrivende navn (eks: "my-openai-all-logs")
+4. Velg log-kategorier:
+   - **Audit** – bruker/app-interaksjoner med data
+   - **RequestResponse** – detaljer om API-requests
+   - **Trace** – kun for Custom Question Answering
+   - **AllLogs** – alt (start her, reduser deretter)
+5. Velg destinasjon:
+   - **Log Analytics workspace** (anbefalt for KQL-queries)
+   - **Azure Storage** (langvarig arkivering, compliance)
+   - **Event Hubs** (strømming til eksterne systemer)
+6. **Save**
+
+**Kritisk merknad:**
+> Verbose logging kan være kostbart å lagre. Start med **allLogs** for å forstå volumet, deretter switch til mer skopede kategorier.
+
+**ResourceProvider-identifikator:**
+Azure AI Services rapporterer med `ResourceProvider == "MICROSOFT.COGNITIVESERVICES"` i AzureDiagnostics-tabellen.
+
+### 3. Log Analytics Workspace
+
+**Lagringssted for strukturert log-analyse:**
+- Kusto Query Language (KQL) for ad-hoc queries
+- Pre-built queries tilgjengelig i portal
+- Integrerer med Power BI, Grafana, Azure Dashboards
+
+**Typiske tabeller:**
+- `AzureDiagnostics` – resource logs fra AI Services
+- `AzureMetrics` – metrics eksportert via diagnostic settings
+- `AzureActivity` – activity log (hvis routet)
+
+**Kostnadsstyring:**
+Log Analytics har eget prisingmodell basert på:
+- Data ingestion (per GB)
+- Data retention (90 dager gratis, deretter betalt)
+
+### 4. Application Insights (Applikasjonsnivå)
+
+**For dypere applikasjons-observabilitet:**
+- OpenTelemetry-kompatibel APM (Application Performance Monitoring)
+- End-to-end transaction tracing
+- Client-side telemetri (JavaScript SDK)
+- AI agent monitoring (Azure AI Foundry, Copilot Studio)
+
+**Sentrale views:**
+| View | Formål |
+|------|--------|
+| Application Map | Visuell oversikt over arkitektur og avhengigheter |
+| Live Metrics | Real-time dashboard (1-2 sek latency) |
+| Failures View | Exception tracking, HTTP error rates |
+| Performance View | Latency analyse, dependency duration |
+| Agents View | Spesialisert for AI agents (token usage, cost per session) |
+
+**Når bruke Application Insights vs. Diagnostic Logs:**
+- **Application Insights** → utviklere som bygger applikasjoner (custom events, distributed tracing)
+- **Diagnostic Logs** → platform-operatører som overvåker infrastruktur (API call volumes, errors)
+
+**Integrasjon:**
+Application Insights kan kobles til Azure AI Services via:
+- Connection string i app settings (`APPLICATIONINSIGHTS_CONNECTION_STRING`)
+- Microsoft Entra ID-autentikasjon (anbefalt for prod)
+
+### 5. Alerts (Proaktiv varsling)
+
+**Alert-typer:**
+- **Metric alerts** – kontinuerlig evaluering av metrics (eks: "token rate > 10 000/min i 5 min")
+- **Log alerts** – KQL-basert, evaluerer logs ved intervaller (eks: "mer enn 10 failures i 1 min")
+- **Activity log alerts** – trigger på ARM-operasjoner (eks: "noen slettet en ressurs")
+
+**Best practice:**
+> Alerts skal være actionable. Hvis ingen respons er nødvendig, bruk rapporter i stedet.
+
+**Vanlige alert-scenarioer for AI Services:**
+- Token rate nærmer seg quota limit
+- Error rate overstiger terskel (eks: 429 Too Many Requests)
+- Latency overskrider SLA (eks: P95 > 2 sekunder)
+- Absence of expected log events (ingen heartbeat på 10 min)
+
+**Action groups:**
+Alerts kan trigge:
+- Email, SMS, push notifications
+- Azure Functions, Logic Apps (automation)
+- ITSM-integrasjoner (ServiceNow, etc.)
+- Webhooks
+
+---
+
+## Arkitekturmønstre
+
+### Pattern 1: Centralized Monitoring Hub
+
+**Scenario:** Enterprise med mange AI Services på tvers av subscriptions/resource groups.
+
+**Design:**
+- Ett sentralt Log Analytics workspace per miljø (dev/test/prod)
+- Diagnostic settings på alle AI Services router til samme workspace
+- Azure Monitor Workbooks for konsistente dashboards
+- Shared alert rules via Azure Policy
+
+**Fordeler:**
+- Cross-resource correlation (finn patterns på tvers av tjenester)
+- Sentralisert RBAC for monitoring
+- Kostnadseffektivt (volume discounts på Log Analytics ingestion)
+
+**Ulemper:**
+- Kan bli "noisy" workspace hvis ikke filtrert riktig
+- Må bruke resource-tagging for å skille workloads
+
+### Pattern 2: Per-Application Isolation
+
+**Scenario:** Multitenancy eller streng data-separasjon (offentlig sektor).
+
+**Design:**
+- Dedikert Log Analytics workspace per applikasjon/kunde
+- Application Insights per applikasjon
+- Separate alert action groups
+
+**Fordeler:**
+- Data isolation (compliance-vennlig)
+- Enklere cost chargeback til business units
+- Redusert risiko for data leakage
+
+**Ulemper:**
+- Høyere forvaltningskostnad (mange workspaces å vedlikeholde)
+- Vanskeligere å se trender på tvers av applikasjoner
+
+### Pattern 3: Hot/Cold Tiering
+
+**Scenario:** Langvarig compliance-krav, men begrenset behov for interaktive queries.
+
+**Design:**
+- **Hot tier (Log Analytics)** – siste 30 dager, KQL-queries
+- **Cold tier (Azure Storage)** – 1-7 år, batch-analyse
+- Diagnostic settings sender til både destinations
+
+**Fordeler:**
+- Compliance med arkiveringskrav (GDPR Article 17, etc.)
+- Dramatisk reduserte kostnader (Storage vs. Log Analytics)
+- Kan re-hydrate data til Log Analytics ved behov
+
+**Ulemper:**
+- Mer kompleks konfigurasjon
+- Queries mot cold storage krever separat pipeline (Azure Data Explorer, Synapse)
+
+### Pattern 4: Azure API Management Gateway
+
+**Scenario:** Mange applikasjoner som deler samme Azure OpenAI-instans.
+
+**Design:**
+- APIM som unified gateway foran Azure OpenAI
+- APIM logger til egen Application Insights
+- Correlation-ID propageres fra APIM til backend AI Service
+- Rate limiting og token quotas håndteres i APIM
+
+**Fordeler:**
+- Granular logging per consumer (app, team, subscription key)
+- Sentralisert rate limiting og cost tracking
+- Abstraherer backend-endringer fra consumers
+
+**Monitoring-perspektiv:**
+- APIM metrics viser consumer-side latency
+- AI Services metrics viser backend-side latency
+- Differanse indikerer APIM overhead eller network issues
+
+---
+
+## Beslutningsveiledning
+
+### Når velge Log Analytics vs. Storage?
+
+| Kriterium | Log Analytics | Azure Storage |
+|-----------|---------------|---------------|
+| **Interaktive queries (< 5 min respons)** | ✅ Ja | ❌ Nei (batch) |
+| **Real-time alerts** | ✅ Ja | ❌ Nei |
+| **Retention > 2 år** | ⚠️ Dyrt | ✅ Ja |
+| **Compliance-arkivering** | ⚠️ Mulig | ✅ Anbefalt |
+| **Kostnad for 100 GB/dag** | ~$230/mnd (30 dager) | ~$2/mnd (cool tier) |
+
+**Anbefaling:**
+Start med Log Analytics for operational monitoring (30-90 dager). Legg til Storage hvis compliance krever lengre retention.
+
+### Når bruke Application Insights?
+
+**Bruk Application Insights hvis:**
+- Du bygger en custom applikasjon på toppen av Azure AI Services
+- Du trenger end-to-end transaction tracing (fra frontend → API → AI Service → database)
+- Du ønsker client-side telemetri (JavaScript i browser)
+- Du bygger AI agents (Azure AI Foundry, Copilot Studio)
+
+**Ikke nødvendig hvis:**
+- Du kun kjører pre-built AI Services uten custom app-logikk
+- Du kun trenger infra-metrics (API call volumes, error rates)
+
+### Metric Alerts vs. Log Alerts?
+
+| Alert Type | Bruk når... | Latency | Cost |
+|------------|-------------|---------|------|
+| **Metric** | Data finnes som metric (token count, latency) | ~1 min | Lavere |
+| **Log** | Trenger aggregasjon/grouping (errors per container ID) | ~5 min | Høyere |
+
+**Regel:** Bruk metrics når mulig. Bruk log alerts kun for komplekse patterns som ikke finnes som metrics.
+
+### Retention Policy
+
+**Log Analytics retention-strategi:**
+- **30 dager** – hot data, ingen ekstra kostnad
+- **90 dager** – operational troubleshooting (anbefalt minimum)
+- **1-2 år** – compliance for de fleste use cases (offentlig sektor: Noark-5)
+- **7 år** – finansielle data (bokføringslov)
+
+**Konfigurasjon:**
+Portal → Log Analytics workspace → Usage and estimated costs → Data retention
+
+---
+
+## Integrasjon med Microsoft-stakken
+
+### Azure OpenAI-spesifikt
+
+**Out-of-box dashboards i Azure AI Foundry:**
+- **HTTP Requests** – request count, error rates
+- **Tokens-Based Usage** – prompt tokens, completion tokens, total tokens
+- **PTU Utilization** – Provisioned Throughput Unit-bruk (for provisioned deployments)
+- **Fine-tuning** – training job metrics
+
+**Viktige metrics for Azure OpenAI:**
+| Metric | Hva det måler | Alert threshold (eksempel) |
+|--------|---------------|----------------------------|
+| `TokenTransaction` | Totalt antall tokens brukt | > 1M tokens/time |
+| `GeneratedTokens` | Completion tokens | Trend analysis (spot unintended usage) |
+| `ProcessedPromptTokens` | Input tokens | Spike detection (data leak?) |
+| `ActiveTokens` (PTU) | Concurrent token processing | > 80% capacity |
+| `Requests` | API call count | > 10 000/min (nær rate limit) |
+| `Http429` | Throttled requests | > 10/min (scaling needed) |
+
+**KQL-query for token cost estimation:**
+```kusto
+AzureDiagnostics
+| where ResourceProvider == "MICROSOFT.COGNITIVESERVICES"
+| where OperationName == "Generate Completion"
+| extend tokens = toint(properties_s.tokens)
+| summarize TotalTokens = sum(tokens) by bin(TimeGenerated, 1h)
+| extend EstimatedCostNOK = TotalTokens * 0.0002  // Eksempel pricing
+```
+
+### Power Platform AI
+
+**Dynamics 365 og Power Apps med Application Insights:**
+- Enable via **Monitoring** → **Application Insights**
+- `customDimensions`-feltet inneholder Power Platform-spesifikke properties
+- User-identitet **ikke** logget (privacy by default)
+
+**Typiske queries:**
+```kusto
+pageViews
+| where cloud_RoleInstance == "CDS Data Export"
+| where session_Id == "[insert session id]"
+```
+
+### Microsoft 365 Copilot
+
+**Monitoring via Microsoft 365 Admin Center:**
+- Copilot usage dashboards (aggregert, ikke detaljert logging)
+- Vipps-integrasjon via Graph API (for custom dashboards)
+
+**Application Insights for Copilot Studio:**
+Copilot Studio-bottar kan kobles til Application Insights for:
+- Conversation analytics
+- LUIS intent recognition performance
+- QnA Maker query latency
+
+---
+
+## Offentlig sektor (Norge)
+
+### Compliance-krav
+
+**Noark-5 (Offentlig arkivlov):**
+- Hendelseslogging av alle operasjoner som involverer personopplysninger
+- Minimum 10 års oppbevaringstid (visse kategorier)
+- Integritetsikring (checksums, immutable storage)
+
+**GDPR Article 30 (Behandlingsprotokoll):**
+- Logging av hvem som har aksessert persondata
+- Azure AI Services logger **ikke** individual user identity by default
+- Må implementeres i klient-applikasjon (custom logging)
+
+**Implementasjonsstrategi:**
+1. **Resource logs** → Log Analytics (90 dager)
+2. **Export to Storage** (Immutable Blob Storage, 10 år)
+3. **Client-side logging** (custom Event Hubs → SIEM)
+
+### Schrems II og dataresidency
+
+**Challenge:**
+Diagnostic logs lagres i Log Analytics workspace. Workspace må være i Norge (Norway East/West) for å sikre data residency.
+
+**Verifisering:**
+Portal → Log Analytics workspace → Properties → Location = "Norway East"
+
+**Viktig:**
+Selv om AI Service-ressursen er i Norge, kan Log Analytics workspace være i annen region hvis ikke eksplisitt konfigurert.
+
+### Sikkerhetstiltak
+
+**Private Link for Log Analytics:**
+- Azure Monitor Private Link Scope (AMPLS) sikrer at logs ikke traverserer public internet
+- Påkrevd for data classification "Begrenset" eller høyere
+
+**Customer-Managed Keys (CMK):**
+Log Analytics støtter CMK for encryption at rest. Relevant for "Strengt fortrolig" data.
+
+**Konfigurasjon:**
+Portal → Log Analytics workspace → Properties → Customer-managed key
+
+---
+
+## Kostnad og lisensiering
+
+### Prismodell for Azure Monitor
+
+**Log Analytics:**
+- **Pay-as-you-go** – $2.76/GB ingested (Norway East, jan 2026)
+- **Commitment Tiers** – 100 GB/day ($196/mnd), 200 GB/day ($360/mnd)
+- **Data retention** – 90 dager gratis, deretter $0.12/GB/måned
+
+**Application Insights:**
+- Basert på data ingestion (samme som Log Analytics)
+- 5 GB/måned gratis per subscription
+
+**Alerts:**
+- Metric alerts: $0.10 per metric signal per måned
+- Log alerts: $0.20 per evaluation per måned
+- Email/SMS notifications: varierer (100 emails gratis/mnd)
+
+**Kostnadsoptimalisering:**
+1. **Filtrer bort støy** – bruk diagnostic setting categories strategisk
+2. **Sampling** – Application Insights adaptive sampling (default 5 items/sec)
+3. **Data export** – export til Storage for langvarig retention
+4. **Workspace design** – konsolider workspaces for volume discounts
+
+### Estimert kostnad for typisk Azure OpenAI deployment
+
+**Scenario:** 1 million API-kall per måned, 500 tokens gjennomsnitt per request.
+
+**Log volume-estimat:**
+- Per request log entry: ~2 KB
+- Daglig volume: (1 000 000 / 30) * 2 KB = ~67 GB/måned
+- Log Analytics cost: 67 GB * $2.76 = **~$185/måned**
+
+**Optimalisering:**
+Hvis kun interessert i errors og high-latency requests:
+- Filtrer ut successful requests < 1 sek latency
+- Redusert volume: ~10 GB/måned → **~$28/måned**
+
+### Lisensiering
+
+**Ingen separate lisenser påkrevd:**
+Azure Monitor-funksjoner er inkludert i Azure-subscription. Betaler kun for ressursforbruk (data ingestion, retention).
+
+**Unntak:**
+Hvis du bruker ITSM-integrasjoner (ServiceNow, etc.) via Action Groups, kan det påløpe kostnader fra ITSM-leverandør per ticket.
+
+---
+
+## For arkitekten (Cosmo)
+
+### Pre-emptive troubleshooting
+
+**Red flags å se etter i monitoring data:**
+
+1. **Økende latency uten økende load:**
+   - Indikerer backend-degradering (model hosting issues)
+   - **Action:** Kontakt Azure Support, vurder multi-region failover
+
+2. **Spike i 429-errors:**
+   - Rate limit hit (TPM/RPM quota)
+   - **Action:** Øk quota, implementer retry-logikk, vurder PTU
+
+3. **Plutselig drop i request volume:**
+   - Potensielt auth-problem (expired keys, RBAC-endringer)
+   - **Action:** Sjekk Activity Log for endringer i IAM
+
+4. **Uforholdsmessig høy token usage:**
+   - Mulig prompt injection attack eller dataleakage
+   - **Action:** Analysér request payloads, implementer input validation
+
+### Arkitektur-anbefalinger
+
+**For proof-of-concept:**
+- Start med Diagnostic Settings → Log Analytics (allLogs)
+- Basic metric alerts (error rate, latency)
+- Manuell review i portal (ingen automation)
+
+**For pilot (begrenset prod):**
+- Application Insights hvis custom app
+- Alert action groups (email til team)
+- Weekly review av dashboards
+
+**For full produksjon:**
+- Comprehensive alert coverage (metrics + logs)
+- Action groups med PagerDuty/OpsGenie-integrasjon
+- Runbooks for vanlige failure scenarios
+- Grafana dashboards for NOC/SOC
+- Automated cost reports (Power BI + Log Analytics export)
+
+**For regulert miljø (offentlig sektor):**
+- Private Link (AMPLS) obligatorisk
+- Customer-Managed Keys for Log Analytics
+- Immutable Storage for compliance logs (10 år+)
+- Quarterly audit reports fra Log Analytics queries
+
+### Diskusjonspunkter med stakeholders
+
+**Med utviklerteam:**
+> "Hva er akseptabel MTTR (Mean Time To Recovery) for denne løsningen? Dette bestemmer hvor mye vi investerer i monitoring og alerting."
+
+**Med InfoSec:**
+> "Hvilke logs må vi bevare for compliance, og hvor lenge? Dette påvirker arkitekturvalg (Log Analytics vs. Storage)."
+
+**Med FinOps:**
+> "Monitoring kan koste 5-15% av total AI Services-kostnad. Hvilke trade-offs er vi villige til å gjøre?"
+
+**Med business:**
+> "Hvis AI-tjenesten går ned, hvor raskt må vi vite om det, og hva er konsekvensen av 10 min vs. 1 time downtime?"
+
+### Decision-making framework
+
+**Spørsmål å stille:**
+
+1. **Hva er SLA-kravet?**
+   - 99.9% (43 min/mnd) → Basic alerts holder
+   - 99.99% (4 min/mnd) → Trenger real-time monitoring (Live Metrics)
+
+2. **Hva er dataklassifisering?**
+   - Åpen/Intern → Standard Log Analytics
+   - Begrenset → Private Link
+   - Strengt fortrolig → Private Link + CMK
+
+3. **Hvor mange AI Services-instanser?**
+   - 1-5 → Per-resource Log Analytics
+   - 5+ → Centralized monitoring hub
+
+4. **Hva er budsjettet?**
+   - < $100/mnd → Minimal logging, metric alerts
+   - $100-500/mnd → Full Log Analytics, Application Insights
+   - $500+ → Grafana, Workbooks, multi-region dashboards
+
+### Common pitfalls
+
+❌ **"Vi setter opp monitoring etter lansering"**
+→ MTTR blir 10x høyere. Etabler baseline metrics i pilot-fase.
+
+❌ **"AllLogs er greit, vi har budsjett"**
+→ Etter 3 måneder: "Hvorfor koster Log Analytics $2000/mnd?"
+
+❌ **"Vi trenger ikke alerts, vi sjekker dashboards daglig"**
+→ Outage kl 02:00 oppdages kl 09:00. Kunde allerede misfornøyd.
+
+❌ **"Application Insights erstatter Diagnostic Logs"**
+→ Nei, de er komplementære. Trenger begge for full observability.
+
+### Iterative rollout-strategi
+
+**Uke 1-2 (Foundation):**
+- Opprett Log Analytics workspace
+- Enable Diagnostic Settings (allLogs)
+- Opprett basic metric alerts (error rate, latency)
+
+**Uke 3-4 (Visibility):**
+- Deploy Azure Monitor Workbook (eller Grafana dashboard)
+- Etabler daglig review-rutine (15 min standup)
+- Dokumenter baseline metrics (normal vs. abnormal)
+
+**Uke 5-8 (Automation):**
+- Tune alert thresholds (reduser false positives)
+- Implementer action groups (email → PagerDuty)
+- Opprett runbooks for top 3 failure scenarios
+
+**Uke 9-12 (Optimization):**
+- Analyser log volume, filtrer bort støy
+- Vurder commitment tier for Log Analytics
+- Implementer cost dashboards (show to FinOps)
+
+**Kontinuerlig (Post-launch):**
+- Monthly review av alert effectiveness
+- Quarterly update av runbooks
+- Bi-annual review av retention policies
+
+---
+
+## Kilder og verifisering
+
+**Verified (MCP-research, januar 2026):**
+- [Enable diagnostic logging for Foundry Tools](https://learn.microsoft.com/en-us/azure/ai-services/diagnostic-logging) – Offisiell guide, sist oppdatert 2024
+- [Monitor Azure OpenAI](https://learn.microsoft.com/en-us/azure/ai-foundry/openai/how-to/monitor-openai) – Kusto queries, diagnostic settings, dashboards
+- [Introduction to Application Insights](https://learn.microsoft.com/en-us/azure/azure-monitor/app/app-insights-overview) – OpenTelemetry-basert APM
+- [Monitor Azure AI services (Training module)](https://learn.microsoft.com/en-us/training/modules/monitor-ai-services/) – Microsoft Learn offisiell kurs
+
+**Baseline (Modellkunnskap, januar 2025):**
+- Azure Monitor pricing (verifiser via [Azure Pricing Calculator](https://azure.microsoft.com/en-us/pricing/calculator/))
+- Noark-5 arkiveringskrav (verifiser via [Arkivverket](https://www.arkivverket.no/))
+- GDPR Article 30 (behandlingsprotokoll)
+- Best practices for Log Analytics workspace design
+
+**Andre ressurser:**
+- [Azure Monitor Baseline Alerts](https://aka.ms/amba) – Community-drevet alert templates
+- [Kusto Query Language reference](https://learn.microsoft.com/en-us/azure/data-explorer/kusto/query/) – KQL syntax guide
+- [Cost Management for Azure AI](https://learn.microsoft.com/en-us/azure/cost-management-billing/costs/overview-cost-management) – Budgets, alerts, exports
+
+---
+
+**Konfidensgradering:**
+- Diagnostic settings, Log Analytics, KQL queries: **Verified** ✅
+- Azure OpenAI metrics og dashboards: **Verified** ✅
+- Application Insights integration: **Verified** ✅
+- Pricing estimates (NOK): **Baseline** (valutakurs varierer, verifiser i calculator)
+- Noark-5 retention: **Baseline** (tolkninger kan variere per kommune/etat)