feat(ms-ai-architect): Spor 1 — Port-1-substrat migrert på 4 ikke-advisor-skills (243 Source + 327 Type + 325 TOC + stale-verified poison fjernet) [skip-docs]

Steg 9 (R4): unified migrate-corpus.mjs --write over engineering/governance/ infrastructure/security. 327 filer mutert, verified=null, prosa byte-identisk (fra første ## seksjon), advisor urørt (0 endringer). To applier-fixes oppdaget under kjøring (TDD, RED→GREEN): - insertHeaderFields: anker faller nå tilbake når en meta-linje selv passerer 500B (2 filer pakket et avsnitt i **Status:** → Type/Source landet utenfor scan-vinduet, applierens post-write-assertion fanget + restaurerte). - normalizeStaleVerified: fjerner nå ALLE stale non-date **Verified:** i 500B-vinduet, inkl. stray body-dup rett under --- (9 mlops-genaiops-filer var ellers falskt "verified"/fresh, droppet fra worklist). Operatør-godkjent utvidelse av carve-out; kun stray metadata-linjer, aldri prosa. test-transform-criterion: precondition oppdatert til post-migrasjons-sannhet (fila bærer nå Source). Suite 728/728 grønn.
2026-07-04 10:19:11 +02:00 · 2026-07-04 10:19:11 +02:00 · ddce43d8b2
commit ddce43d8b2
parent ed92d65385
330 changed files with 4643 additions and 83 deletions
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/azure-arc-ai-management.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/azure-arc-ai-management.md
@ -3,9 +3,23 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Arkitekturoversikt](#arkitekturoversikt)
+- [Arc-enabled Kubernetes for AI](#arc-enabled-kubernetes-for-ai)
+- [Sentralisert ML-modellforvaltning](#sentralisert-ml-modellforvaltning)
+- [Policy og Compliance Enforcement](#policy-og-compliance-enforcement)
+- [Multi-cluster AI Governance](#multi-cluster-ai-governance)
+- [Sikkerhetsarkitektur for Arc AI](#sikkerhetsarkitektur-for-arc-ai)
+- [Relevans for norsk offentlig sektor](#relevans-for-norsk-offentlig-sektor)
+- [Begrensninger og hensyn](#begrensninger-og-hensyn)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Azure Arc er Microsofts svar på utfordringen med å administrere AI-arbeidsbelastninger på tvers av hybride og multicloud-miljøer. For norsk offentlig sektor, der data kan befinne seg i egne datasentre, på Azure Local-klynger eller hos tredjeparts skyleverandorer, gir Arc en sentralisert kontrollflate som gjor det mulig å behandle alle Kubernetes-klynger som forsteklasses Azure-ressurser.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/azure-confidential-computing-ai.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/azure-confidential-computing-ai.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [TEE-Enabled Model Execution](#tee-enabled-model-execution)
+- [Encrypted Inference Pipelines](#encrypted-inference-pipelines)
+- [Attestation for Compliance](#attestation-for-compliance)
+- [Performance Trade-offs](#performance-trade-offs)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Azure Confidential Computing (ACC) beskytter data under prosessering (data-in-use) ved hjelp av hardware-baserte Trusted Execution Environments (TEE). For AI-arbeidsbelastninger betyr dette at modeller og inferensdata kan beskyttes mot uautorisert tilgang — inkludert fra skyoperatoren selv. Dette er en gamechanger for organisasjoner som prosesserer sensitive data med AI.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/azure-iot-hub-ai-pipeline.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/azure-iot-hub-ai-pipeline.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [Device-to-Hub Data Flow](#device-to-hub-data-flow)
+- [Stream Processing for AI](#stream-processing-for-ai)
+- [Real-Time Model Scoring](#real-time-model-scoring)
+- [Scaling Hybrid Ingestion](#scaling-hybrid-ingestion)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Azure IoT Hub er Microsofts sentrale PaaS-tjeneste for toveiskommunikasjon mellom IoT-enheter og skyen. Kombinert med Azure Stream Analytics for sanntidsanalyse og Azure Machine Learning for modelltrening og -scoring, danner IoT Hub kjernen i en enhetlig AI-pipeline fra enhet til innsikt.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/azure-local-ai-workloads.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/azure-local-ai-workloads.md
@ -3,9 +3,23 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Arkitekturoversikt](#arkitekturoversikt)
+- [GPU-stotte i Azure Local](#gpu-stotte-i-azure-local)
+- [Cluster-felles ML Stack](#cluster-felles-ml-stack)
+- [Local Azure Services](#local-azure-services)
+- [Storage-optimalisert inferens](#storage-optimalisert-inferens)
+- [Hybrid Resilience Patterns](#hybrid-resilience-patterns)
+- [Nettverksarkitektur](#nettverksarkitektur)
+- [Sizing-guide for AI-arbeidsbelastninger](#sizing-guide-for-ai-arbeidsbelastninger)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Azure Local (tidligere Azure Stack HCI) er Microsofts hyperkonvergerte infrastrukturlosning for a kjore Azure-tjenester lokalt. For AI-arbeidsbelastninger tilbyr Azure Local GPU-akselerasjon, Kubernetes-stotte via AKS enabled by Arc, og lokal tilgang til Azure-tjenester — alt administrert fra Azure Portal.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/data-sovereignty-norway-public-sector.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/data-sovereignty-norway-public-sector.md
@ -3,9 +3,25 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Regulatorisk landskap](#regulatorisk-landskap)
+- [Norske krav til data residency](#norske-krav-til-data-residency)
+- [Azure Data Residency for Norge](#azure-data-residency-for-norge)
+- [EU Data Boundary (EUDB)](#eu-data-boundary-eudb)
+- [Microsoft Sovereign Cloud](#microsoft-sovereign-cloud)
+- [Azure Data Classification for AI](#azure-data-classification-for-ai)
+- [Praktiske arkitekturmoenstre](#praktiske-arkitekturmoenstre)
+- [Beslutningstre for datasuverenitet](#beslutningstre-for-datasuverenitet)
+- [Compliance-sjekkliste for AI-prosjekter](#compliance-sjekkliste-for-ai-prosjekter)
+- [Sammenligning: Sovereign Cloud-alternativer](#sammenligning-sovereign-cloud-alternativer)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Datasuverenitet er et av de viktigste temaene nar norsk offentlig sektor vurderer skybaserte AI-losninger. Etter Schrems II-dommen (2020), EUs AI Act (2024), og okt fokus pa digital autonomi i Europa, ma organisasjoner navigere et komplekst landskap av juridiske krav, tekniske kontroller og politiske forventninger.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/disconnected-ai-scenarios.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/disconnected-ai-scenarios.md
@ -3,9 +3,24 @@
 **Last updated:** 2026-06-24
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference
+**Source:** https://learn.microsoft.com/azure/azure-sovereign-clouds/private/foundry-local/disconnected-operations/concept-overview

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Spekter av tilkobling](#spekter-av-tilkobling)
+- [Offline Model Deployment](#offline-model-deployment)
+- [Azure Stack Edge i disconnected modus](#azure-stack-edge-i-disconnected-modus)
+- [Data Reconciliation Strategies](#data-reconciliation-strategies)
+- [Local Cache and Sync](#local-cache-and-sync)
+- [Fallback Inference Patterns](#fallback-inference-patterns)
+- [Scenarioer for norsk offentlig sektor](#scenarioer-for-norsk-offentlig-sektor)
+- [Lisens- og kostnadshensyn](#lisens--og-kostnadshensyn)
+- [Oppsummering](#oppsummering)
+
 ## Introduksjon

 Frakoblede (disconnected) AI-scenarioer er situasjoner der AI-arbeidsbelastninger ma kjore uten internettilkobling — enten permanent, periodisk eller i beredskapssituasjoner. For norsk offentlig sektor er dette svart relevant: Forsvaret opererer i omrader uten nettdekning, helsesektoren trenger AI-stotte i ambulanser og utposter, og kritisk infrastruktur (energi, transport) ma fungere uavhengig av skytjenester.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/edge-ai-inferencing-patterns.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/edge-ai-inferencing-patterns.md
@ -3,9 +3,21 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Model Quantization og Compression](#model-quantization-og-compression)
+- [Real-time Inference Acceleration](#real-time-inference-acceleration)
+- [Caching Patterns for Edge](#caching-patterns-for-edge)
+- [Batching vs. Streaming Inference](#batching-vs-streaming-inference)
+- [IoT Edge ML Inference Pattern](#iot-edge-ml-inference-pattern)
+- [Ytelsesreferanser](#ytelsesreferanser)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Edge AI-inferens handler om a kjore maskinlaeringsmodeller naermest mulig der data oppstar — pa enheter, gateways, lokale servere eller Azure Local-klynger. For norsk offentlig sektor er dette relevant i scenarioer som sanntids videoanalyse, dokumentbehandling i felt, naturspraakbehandling offline, og autonome systemer i omrader med begrenset nettverkstilkobling.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/edge-to-cloud-data-synchronization.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/edge-to-cloud-data-synchronization.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [Eventual Consistency Patterns](#eventual-consistency-patterns)
+- [Delta Sync Optimization](#delta-sync-optimization)
+- [Conflict Resolution Strategies](#conflict-resolution-strategies)
+- [Data Deduplication at Scale](#data-deduplication-at-scale)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Palitelig datasynkronisering mellom edge og sky er en av de mest komplekse utfordringene i hybrid AI-arkitekturer. Data ma flyte i begge retninger — sensordata og inferensresultater fra edge til sky for langsiktig analyse og modelltrening, og oppdaterte modeller og konfigurasjoner fra sky tilbake til edge. Alt dette ma handtere nettverksavbrudd, konflikter og dataintegritet.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/hybrid-rag-architecture.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/hybrid-rag-architecture.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [Local Embedding og Retrieval](#local-embedding-og-retrieval)
+- [Federated Vector Search](#federated-vector-search)
+- [Chunking Strategies for Split Data](#chunking-strategies-for-split-data)
+- [Context Optimization Across Tiers](#context-optimization-across-tiers)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Hybrid RAG (Retrieval-Augmented Generation) refererer til RAG-arkitekturer der retrieval og generering fordeles mellom lokale (on-premises/edge) og sky-baserte ressurser. Dette moensteret er relevant nar organisasjoner har data som ikke kan eller bor forlate det lokale miljoet, men onsker a kombinere lokale dokumenter med sky-basert kunnskap for bedre svar.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/iot-operations-ai-integration.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/iot-operations-ai-integration.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [Sensor Data Normalization](#sensor-data-normalization)
+- [Edge Gateway AI Preprocessing](#edge-gateway-ai-preprocessing)
+- [Time-Series Analytics at Edge](#time-series-analytics-at-edge)
+- [Device-to-Cloud AI Pipelines](#device-to-cloud-ai-pipelines)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Azure IoT Operations er Microsofts edge runtime-plattform for industrielle IoT-scenarier, bygget pa Azure Arc-enabled Kubernetes. Den kombinerer datainnsamling fra sensorer og utstyr med AI-inferens direkte pa edge, noe som muliggjor sanntidsanalyse uten avhengighet av skytilkobling for tidskritiske beslutninger.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/kubernetes-edge-aks-edge.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/kubernetes-edge-aks-edge.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [AKS Edge Essentials Deployment](#aks-edge-essentials-deployment)
+- [Container Orchestration at Edge](#container-orchestration-at-edge)
+- [Multi-Node Edge Clusters](#multi-node-edge-clusters)
+- [Service Mesh for Edge](#service-mesh-for-edge)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 AKS Edge Essentials er Microsofts lettvekts Kubernetes-distribusjon for edge-scenarier, designet for a kjore containeriserte arbeidsbelastninger pa PC-klasse hardware. I motsetning til AKS i skyen eller AKS pa Azure Local, er AKS Edge Essentials optimalisert for statiske, forhands-definerte konfigurasjoner pa enheter med begrenset kapasitet — fra industrielle PC-er til gateway-enheter.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/network-constrained-ai-deployment.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/network-constrained-ai-deployment.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [Model Size Reduction](#model-size-reduction)
+- [Partial Model Loading](#partial-model-loading)
+- [Bandwidth-Aware Batching](#bandwidth-aware-batching)
+- [Latency Compensation Patterns](#latency-compensation-patterns)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Nettverksbegrensede miljoer — med lav bandwidth, hoey latens, eller intermitterende tilkobling — krever spesialtilpassede AI-deployments. Standard sky-baserte AI-arkitekturer som sender data frem og tilbake til cloud endpoints feiler i slike miljoer, enten pa grunn av uakseptabel latens eller fordi tilkoblingen simpelthen ikke er palitelig nok.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/offline-first-ai-applications.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/offline-first-ai-applications.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [Local-First Data Models](#local-first-data-models)
+- [Conflict Resolution on Sync](#conflict-resolution-on-sync)
+- [Progressive Enhancement](#progressive-enhancement)
+- [Offline Capability Testing](#offline-capability-testing)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Offline-first AI-applikasjoner er designet for a fungere primaert lokalt og synkronisere med skyen nar tilkobling er tilgjengelig. Dette monsteret snur den tradisjonelle sky-forst-tilnaermingen pa hodet: i stedet for a feile nar nettverket er nede, er applikasjonen designet for a operere uavhengig med lokal AI-inferens og datalagring.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/on-premises-slm-phi-deployment.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/on-premises-slm-phi-deployment.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [Phi-3/Phi-4 Deployment](#phi-3phi-4-deployment)
+- [Resource-Constrained Sizing](#resource-constrained-sizing)
+- [Prompt Optimization for SLM](#prompt-optimization-for-slm)
+- [Fine-Tuning at Edge](#fine-tuning-at-edge)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Small Language Models (SLM) er kompakte AI-modeller med faerre enn 10 milliarder parametere som kan kjores effektivt pa lokal hardware uten skyavhengighet. Microsofts Phi-modellserie — fra Phi-2 (2.7B) til Phi-4 (14B) — representerer state-of-the-art for SLM, med ytelse som konkurrerer med modeller mange ganger storre.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/onnx-runtime-edge-deployment.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/onnx-runtime-edge-deployment.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [ONNX Model Conversion](#onnx-model-conversion)
+- [Hardware Acceleration (GPU/NPU)](#hardware-acceleration-gpunpu)
+- [Cross-Platform Compatibility](#cross-platform-compatibility)
+- [Performance Profiling](#performance-profiling)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 ONNX Runtime er Microsofts open-source, hoyytelses inferensmotor for kjoring av maskinlaeringsmodeller i ONNX-format (Open Neural Network Exchange). Den er optimalisert for bade sky og edge, og stotter Linux, Windows og macOS pa tvers av CPU, GPU og NPU-akseleratorer. ONNX Runtime er innebygd i Windows som del av Windows ML og driver inferens i hoyskala Microsoft-tjenester som Bing, Office og Azure AI.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/regulatory-compliance-edge-ai.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/regulatory-compliance-edge-ai.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [Data Protection Impact Assessment (DPIA)](#data-protection-impact-assessment-dpia)
+- [Risk Assessment Frameworks](#risk-assessment-frameworks)
+- [Audit Logging at Edge](#audit-logging-at-edge)
+- [Transparency and Explainability](#transparency-and-explainability)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 AI-systemer deployed pa edge — pa lokale servere, gateways, enheter eller on-premises Kubernetes-klynger — ma oppfylle de samme regulatoriske kravene som skybaserte AI-systemer, men med tilleggsutfordringer knyttet til fysisk tilgangskontroll, distribuert logging, og vedlikehold av mange enheter. Norsk offentlig sektor opererer under et komplekst regulatorisk landskap: GDPR, EU AI Act, NSM Grunnprinsipper, Utredningsinstruksen, og sektorspesifikke krav.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/sovereign-cloud-norway.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/sovereign-cloud-norway.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [Data Sovereignty Architecture](#data-sovereignty-architecture)
+- [Regional Deployment Constraints](#regional-deployment-constraints)
+- [Compliance Audit Trails](#compliance-audit-trails)
+- [Vendor Lock-in Mitigation](#vendor-lock-in-mitigation)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Microsoft Sovereign Cloud er en suite av kapabiliteter og deploymentmodeller designet for a hjelpe myndigheter og regulerte industrier med a oppfylle krav til dataresidency, compliance og operasjonell suverenitet — uten a gi avkall pa fordelene ved hyperscale sky-innovasjon. For norsk offentlig sektor er dette sarlig relevant gitt strenge krav fra NSM, Datatilsynet, og EU-regulering.
--- a/skills/ms-ai-infrastructure/references/hybrid-edge/windows-ai-apc-capabilities.md
+++ b/skills/ms-ai-infrastructure/references/hybrid-edge/windows-ai-apc-capabilities.md
@ -3,9 +3,22 @@
 **Last updated:** 2026-02
 **Status:** GA
 **Category:** Hybrid Cloud & Edge AI
+**Type:** reference

 ---

+## Innhold
+
+- [Introduksjon](#introduksjon)
+- [Kjernekomponenter](#kjernekomponenter)
+- [Windows ML og ONNX Runtime](#windows-ml-og-onnx-runtime)
+- [Neural Processing Unit (NPU)](#neural-processing-unit-npu)
+- [Copilot+ PC Specifications](#copilot-pc-specifications)
+- [Local LLM Inference on Device](#local-llm-inference-on-device)
+- [Norsk offentlig sektor](#norsk-offentlig-sektor)
+- [Beslutningsrammeverk](#beslutningsrammeverk)
+- [For Cosmo](#for-cosmo)
+
 ## Introduksjon

 Windows AI-plattformen representerer Microsofts satsing pa lokal AI-inferens direkte pa klientenheter. Med Windows ML (Machine Learning), ONNX Runtime integrert i OS, og Neural Processing Units (NPU) i Copilot+ PC-er, kan AI-modeller kjores lokalt med full datakontroll, ingen nettverkslatens, og forutsigbar ytelse.