Erstellung von SOPs und Arbeitsanweisungen aus Bildschirmaufnahmen und Experten-Videos

Prozesse stecken in den Köpfen und Händen der Menschen: die erfahrene Sachbearbeiterin, die den Workaround im ERP kennt, der Wartungstechniker, der nächstes Jahr in Rente geht. SOPs von Hand zu schreiben ist langsam, deshalb fehlen sie oder sind veraltet. Aufnahmewerkzeuge zeichnen die Arbeit beim Ausführen auf; ein Vision-Language-Modell (VLM) plus Spracherkennung macht aus der Aufnahme nummerierte Schritte mit annotierten Screenshots oder Videobildern, die eine Fachexpertin bzw. ein Fachexperte prüft, übersetzt und veröffentlicht — für die Einarbeitung, die „dokumentierte Information“ nach ISO 9001 und die Bereitstellung in der Fertigung.

Problem & Nutzen

• Heute: SOPs werden nachträglich in Word geschrieben, Screenshots von Hand eingefügt, und das Ergebnis ist nach dem nächsten Software-Update oder der nächsten Prozessänderung veraltet. In der Fertigung sind Arbeitsanweisungen Papier, Foliensätze oder Erfahrungswissen; erfahrene Mitarbeitende gehen und nehmen ihr stilles Know-how mit.
• KI-Nutzen: Die Autorin bzw. der Autor führt die Arbeit einmal aus, während sie aufgezeichnet wird; der Entwurf entsteht in Minuten statt Stunden; Übersetzung und neue Versionen sind günstig, sodass Dokumente aktuell bleiben können. Experten prüfen, statt zu schreiben.
• Herstellerangaben (nicht unabhängig geprüft): Guidde behauptet, Videodokumentation sei „11x schneller“ [3]; Dozuki veröffentlicht Kundenaussagen wie 80 % weniger Zeit für das Erstellen von SOPs bei Mack Trucks und durchschnittlich 40 % kürzere Schulungszeit [4]; Azumuta nennt Produktivitäts- und Qualitätsgewinne für Kunden, ohne die Methodik zu beschreiben [5]. Behandeln Sie alle als Marketingzahlen und messen Sie Ihre eigene Ausgangsbasis (Zeit zum Erstellen einer SOP, Zeit bis zur Einsatzfähigkeit).
• Abgrenzung zu Nachbarn: KNOW-011 erzeugt Wissensdatenbank-Artikel aus vorhandenem Text/Tickets; KNOW-014 erfasst Lessons Learned als Text; EDU-006 erstellt Schulungskurse; VIS-034 misst Zykluszeiten aus Video. Dieser Anwendungsfall ist gezielt Vorführung (Bildschirm/Video) → strukturierter Ablauf.

Varianten

• Software-/Büro-SOPs: Klickpfad-Aufzeichnung im Browser oder auf dem Desktop (Monatsabschluss, Einarbeitung neuer Mitarbeitender, CRM- oder ERP-Aufgaben) → Schrittliste mit Screenshots; die vorherrschende Variante im Mittelstand.
• Arbeitsanweisungen in der Fertigung: Video von Montage, Einrichten/Umrüsten, Wartung oder Prüfung → Schritte mit Schlüsselbildern, kurzen Clips, Werkzeug-/Teilelisten, Drehmoment- oder Sicherheitshinweisen; bereitgestellt auf Tablets, Terminals oder in AR-/Datenbrillen.
• Erfassung beim Ausscheiden von Experten: strukturiertes Interview plus Vorführung der Aufgaben einer Expertin bzw. eines Experten vor dem Ruhestand (der gesprochene Kommentar wird transkribiert und mit dem Video abgeglichen).
• Kundenseitige Hilfe: dieselben Aufnahmen werden zu Video-Anleitungen für Kunden (siehe KNOW-011).
• Öffentliche Hand: Abläufe von Fachverfahren für neue Sachbearbeitende; meist selbst betrieben und mit Beteiligung von Betriebs- bzw. Personalrat.
• Private Nutzung: IT-Hilfeanleitungen für die Familie oder Hobby-/Reparaturanleitungen; geringes Risiko, kostenlose Tarife genügen.

So funktioniert es

1. Aufnahme (Browser-Erweiterung / Desktop-Recorder / Handy- oder Headcam-Video + Sprache)
2. Vorverarbeitung (Keyframe-Extraktion, Szenen-/Schrittsegmentierung, ASR-Transkript mit Zeitstempeln)
3. Schwärzung (PII, Passwörter, Patienten- oder Kundendaten, Gesichter verwischen/maskieren; bevor etwas das Gerät verlässt)
4. Schrittverständnis (VLM: was sich auf dem Bildschirm änderte / welche Handlung an welchem Teil; Klickereignisse + UI-Text, falls verfügbar)
5. Entwurf (LLM: nummerierte Schritte, Titel, Warnhinweise, Werkzeuge, erwartetes Ergebnis, Qualitätskontrollpunkte, in einer Hausvorlage)
6. menschliche Prüfung (Fachexperte korrigiert, ergänzt das „Warum“, Sicherheits- und Compliance-Hinweise; Freigebende zeichnen ab)
7. Versionierung, Übersetzung, Voiceover/Untertitel
8. Veröffentlichung (Wiki/DMS, Arbeitsanweisungs- oder MES-System, LMS, AR) + Änderungserkennung

• Die Aufnahmequalität bestimmt die Ergebnisqualität. Klick-Aufzeichnungswerkzeuge erfassen je Schritt das genaue Oberflächenelement, den Text und den Screenshot (zuverlässiger als Raten aus Pixeln). Reines Video braucht ein VLM, um Handlungen zu segmentieren; gesprochener Kommentar („jetzt ziehe ich die M6-Schrauben mit 8 Nm an“) klärt, was das Video nicht zeigen kann.
• Zentrale Komponenten: ASR (Klasse Whisper), ein VLM, das langes Video oder abgetastete Einzelbilder liest, ein LLM, das mit schemagebundener Ausgabe in eine Vorlage schreibt, OCR/Layout-Parsing für Bildschirmtext und vorhandene Dokumente, ein Übersetzungsschritt mit kontrolliertem Glossar.
• Mensch-in-der-Schleife (Human-in-the-Loop, zwingend): Eine Fachexpertin bzw. ein Fachexperte prüft vor der Freigabe jeden Schritt, jeden Zahlenwert und jeden Sicherheitshinweis. Ein VLM kann Schritte falsch ordnen, Handlungen außerhalb des Bildes übersehen oder plausible Werte erfinden.
• Aktuell bleiben: neu aufnehmen oder einen Computer-Use-Agenten die dokumentierten Schritte gegen die aktuelle Oberfläche abspielen lassen und Abweichungen melden (siehe AGENT-003).

Datenaufbereitung

Das Rohmaterial ist neu und nicht historisch: Bildschirmaufnahmen oder Klickaufzeichnungen von Software-Aufgaben, Handy- oder Headcam-Videos von Experten in der Fertigung und deren gesprochener Kommentar. Bestehende SOPs liegen typischerweise als Word-Dateien auf Dateiablagen, im DMS oder QM-System, als Foliensätze oder auf Papier; Vorlagen, Glossare und Sicherheitsregeln sind oft verstreut oder nur in den Köpfen vorhanden.

Typische Lücken: schlechter Ton in lauten Werken, Handlungen außerhalb des Bildes, keine Standardvorlage, veraltete oder doppelte SOP-Versionen, auf dem Bildschirm sichtbare Passwörter, Kunden- oder Patientendaten sowie Gesichter von Mitarbeitenden im Video.

Aufbereitungsschritte: (1) einen Aufnahmestandard festlegen (Auflösung, Kommentieren während der Arbeit, eine Aufgabe pro Aufnahme); (2) eine Hausvorlage und ein kurzes Glossar vereinbaren (PREP-015, PREP-016); (3) die vorhandenen SOP-Versionen als Mustervorlagen sammeln und Duplikate aussondern (PREP-013, DOC-014); (4) Schwärzung bzw. Unkenntlichmachung einrichten, bevor etwas das Gerät verlässt (PREP-022); (5) einen Prüf- und Freigabe-Workflow mit benannten Freigebenden festlegen; (6) wichtige Papieranweisungen per OCR neu scannen (PREP-006).

Grober Aufwandsanteil: gering, etwa 10 bis 20 Prozent. Das meiste davon sind Aufnahmedisziplin und die Vorlage, nicht Datenbereinigung, da die Daten während des Piloten frisch entstehen.

Umsetzungswege

Welcher Weg für wen

• KMU: A — ausgereifte Produkte (Scribe, Tango, Guidde, Dozuki) gibt es zu KMU-Preisen, und die SOP-Erstellung ist ein Standardprozess; starten Sie einen Pilot mit 5 bis 10 Abläufen und prüfen Sie EU-Hosting und den AVV.
• Enterprise: B — SOPs müssen Ihren eigenen Vorlagen folgen und in MES, LMS oder einen Workflow für gelenkte Dokumente fließen, und viele Sprachen und Werke rechtfertigen eine kleine Pipeline auf EU-gehosteten APIs.
• Entwickler: C — mit Qwen3-VL, faster-whisper und Docling bauen Sie ein Produkt oder eine Integration, ohne Kundenvideos an Dritte zu senden.
• Öffentliche Hand: C — Rohvideos von Beschäftigten und Bildschirme mit Bürgerbezug sollten im Netz der Behörde bleiben, und die Beschaffung bevorzugt souveränes Hosting.

Weg A — Kaufen (Standardsoftware; für KMU empfohlen)

• Werkzeuge für Bildschirm-/Software-SOPs: Scribe (Klickaufzeichnung zu Schritt-für-Schritt-Anleitungen; kostenloser Basistarif, bezahlte Tarife mit Schwärzung, Enterprise-SSO und automatischer Schwärzung von PII/PHI) [1], Tango (Abläufe aufzeichnen → Anleitungen mit Screenshots, Sprachtranskription, SOC 2 Type II) [2], Guidde (aufgezeichnete Abläufe → KI-vertonte Videoanleitungen, 50+ Sprachen, 200+ Stimmen) [3]. Iorad und ähnliche Werkzeuge gibt es in dieser Kategorie; prüfen Sie aktuelle Funktionen selbst. Die meisten sind US-Anbieter: prüfen Sie EU-Hosting, AVV und Unterauftragnehmer.
• Plattformen für Fertigung/Connected Worker: Dozuki (digitale Arbeitsanweisungen mit KI-Entwurf, SOC 2, ISO 27001) [4], Azumuta (digitale Arbeitsanweisungen, MES, Qualifikationsmatrix; europäischer Anbieter, Hosting und Vertragsbedingungen prüfen) [5], dazu Tulip, Augmentir und ähnliche; für DACH auch etablierte MES-/Industrie-4.0-Anbieter mit Modulen für Arbeitsanweisungen betrachten.
• Dokumenten-/QM-Suiten: QM-Systeme und DMS (DocuWare, d.velop, ELO, SharePoint) ergänzen zunehmend KI-Entwürfe; nützlich, wenn der Workflow für gelenkte Dokumente (Prüfung, Freigabe, Revision) Vorrang hat.
• Wählen Sie A, wenn: Sie einige Dutzend bis einige hundert Abläufe haben, keinen strikten On-Premises-Bedarf und Ergebnisse in Wochen wollen. Starten Sie einen Pilot mit 5–10 echten Abläufen, darunter einem sicherheitsrelevanten.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Videofähige multimodale APIs: Die Google Gemini API nimmt Video direkt entgegen (File API bis 20 GB im bezahlten Tarif, konfigurierbare Bildabtastung, Zeitstempel pro Sekunde; Gemini 2.5 und später nehmen mehrere Videos pro Anfrage an) [6]; Pipelines mit Bildabtastung funktionieren auch mit Vision-Modellen von Claude, GPT oder Mistral. Wählen Sie EU-Regionen bzw. EU-gehostete Endpunkte (Vertex AI oder Azure EU, Mistral auf seiner EU-Plattform) und schließen Sie einen AVV.
• ASR: EU-gehostete ASR-APIs oder Modelle der Whisper-Klasse; das Transkript mit Zeitstempeln wird mit Schlüsselbildern abgeglichen.
• Orchestrierung: n8n / Power Automate / kleiner Dienst: hochladen → schwärzen → ASR + VLM → Entwurf → Prüfaufgabe in Confluence/SharePoint/MES → veröffentlichen. Schemagebundene JSON-Ausgabe für Schritte, Werkzeuge, Warnhinweise.
• Wählen Sie B, wenn: Sie eine eigene Vorlage, ERP-/MES-Integration oder eine Pipeline über viele Sprachen brauchen, aber keine Beschränkung des Datenstandorts für Rohvideo besteht.

Weg C — Selbst betreiben (Open Source)

• Modelle: Qwen3-VL (Apache-2.0; Größen von 2B bis 235B-A22B, Verständnis langer Videos mit Zeitstempel-Abgleich, Cookbooks für GUI/Computer-Use) [7]; faster-whisper (MIT) für ASR [8]; Docling (MIT, LF AI & Data) kann bereits MP4/MOV/WebM in ein ASR-Transkript plus repräsentative Schlüsselbilder umwandeln [9].
• Bereitstellung: vLLM oder Ollama für VLM/LLM; Docling oder ffmpeg für Schlüsselbilder; n8n für den Workflow; Markdown/Git oder ein Wiki (BookStack, Wiki.js) als SOP-Ablage mit Prüfung per Merge Request.
• Hardware: HW2 (eine 24–32-GB-GPU) für ein VLM der 8B-Klasse + Whisper bei einigen Stunden Video pro Tag; HW3 für VLMs der 32B-Klasse und bessere Qualität bei langen Videos. Rohvideo bleibt im Werk bzw. im Netz — gut geeignet für IP-sensible Produktionsprozesse und Behörden.
• Betriebsaufwand: mäßig; das Schwierige sind Aufnahmestandards und Prüf-Workflow, nicht die Modelle.

Weg D — Eigenes Training

Lohnt sich selten. Ein Feintuning eines kleinen VLM auf Ihren eigenen annotierten Vorführungen kommt nur bei sehr fachspezifischem Vokabular (Spezialmaschinen, ungewöhnliche Oberflächen) oder hohen Mengen in Frage. Daten: einige hundert Aufnahmen mit geprüften Schrittlisten — ein Nebenprodukt des Prüfprozesses, wenn Korrekturen protokolliert werden. Prompting mit Hausvorlage und Glossar plus Abruf vorhandener SOPs genügt meist.

Stand der Technik (2026)

• Zwei bewährte Aufnahmearten: klick-/DOM-gestützte Bildschirmaufnahme (Scribe, Tango, Guidde) ist ausgereift und zuverlässig; freies Videoverständnis körperlicher Arbeit ist neuer und weniger zuverlässig.
• Videomodelle: aktuelle multimodale Modelle verarbeiten Stunden an Video mit Zeitstempeln [6][7]; eine Bildabtastung mit 1–2 Bildern pro Sekunde ist üblich, daher sind schnelle Handbewegungen, kleine Teile und Handlungen außerhalb des Bildes die Schwachstelle.
• Agentische Pflege: Computer-Use-Agenten können SOPs abspielen, um Abweichungen der Oberfläche zu erkennen [7]; das ist Early-Adopter-Niveau, nicht schlüsselfertig.
• Connected-Worker-Plattformen ergänzen KI-Entwürfe („Ausgangspunkt für Fachexperten zur Verfeinerung“) statt autonomer Erstellung [4], was zeigt, dass die menschliche Prüfung zentraler Bestandteil des Ablaufs bleibt.
• Grenzen / Fehlerbilder: halluzinierte Drehmomentwerte, Werkzeugnamen oder Schrittfolgen; fehlendes „Warum“ und stilles Urteilsvermögen („auf das Geräusch achten“); Screenshots, die personenbezogene oder vertrauliche Daten preisgeben; erzeugte SOPs, die gepflegt aussehen, aber nicht validiert sind. Sicherheitsrelevante Anweisungen (Maschinensicherheit, LOTO, Medizin, GMP) brauchen eine formale Validierung durch die verantwortliche Person.

Gemeinsame Bausteine & Kombinationen

• Gemeinsame Bausteine: asr + vlm + llm-general + ocr-docparse + translation — derselbe selbst betriebene VLM-/Whisper-Server (HW2/HW3) kann KNOW-016 (multimodale Archivsuche), VIS-031 (Videosuche und -zusammenfassungen), DOC-014 (Dokumenten-Parsing für RAG) und Anwendungsfälle für Besprechungsnotizen bedienen.
• Vorgelagert/nachgelagert: KNOW-011 (SOPs in Wissensdatenbank und FAQ veröffentlichen), KNOW-004 (Assistent für technische Dokumentation nutzt die SOPs als Abrufkorpus), KNOW-014 (Lessons Learned und Ausscheiden von Experten), EDU-006 (Microlearning und Kurse aus denselben Aufnahmen), GEN-003 (Avatar-/Stimm-Sprecher für vertonte Versionen).
• Betrieb: VIS-034 (Zykluszeitanalyse auf demselben Fertigungsvideo), AGENT-002 (Workflow-Engine für Prüfung/Freigabe und Veröffentlichung), AGENT-003 (Computer-Use-Agent, der SOPs abspielt und die dokumentierte Aufgabe später automatisieren kann), ROBO-003 (Roboterprogrammierung durch Vormachen nutzt die Vorführungsaufnahme wieder).
• Datenpipeline: gemeinsamer Schwärzungsschritt (Gesichter, personenbezogene Daten, Bildschirmgeheimnisse) und gemeinsamer Glossar-/Terminologiespeicher für konsistente Übersetzung.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage bis zur Einrichtung; SaaS-Preise pro Arbeitsplatz (Scribe nennt kostenlose und bezahlte Tarife pro Arbeitsplatz [1]); der Aufwand liegt vor allem in Aufnahmedisziplin und Prüfzeit.
• Weg B: 1–2 Monate für eine Pipeline mit Vorlage, Prüf-Workflow und Integration; API-Kosten skalieren mit den Videominuten (langes Video ist token-intensiv; vor dem Senden kürzen und abtasten).
• Weg C: 2–3 Monate; ein GPU-Server plus Betrieb; Video-Infrastruktur in der Fertigung, falls noch nicht vorhanden.
• Kennzahlen: Zeit bis zu einer validierten SOP (Stunden pro SOP, vorher/nachher); Anteil der Prozesse mit aktueller SOP; Korrekturquote bei der Prüfung (wie stark die Fachexperten ändern); Zeit bis zur Einsatzfähigkeit neuer Mitarbeitender; Fehler-/Nacharbeitsquote bei dokumentierten Aufgaben; veraltete Dokumente (Alter seit letzter Überprüfung); Auditfeststellungen zu dokumentierter Information.

Menschen & Veränderung

Beginnen Sie mit der Geschäftsleitung und der Fachbereichsleitung, die die ersten Abläufe auswählen. Beziehen Sie die aufgezeichneten Experten und die künftigen SOP-Nutzer von Anfang an ein: Sie prüfen jeden Schritt und werden die Dokumente verantworten. Die IT kümmert sich um Konten, Hosting und Integration. Die Datenschutzbeauftragte bzw. der Datenschutzbeauftragte prüft Aufnahmen von Beschäftigten (Stimme, Gesichter, Bildschirme mit Kundendaten), die Rechtsgrundlage, die Schwärzung und den AVV mit dem Werkzeuganbieter; eine DSFA ist meist nicht nötig, außer die Leistung wird bewertet, sollte aber geprüft werden.

Betriebsrat: kommt darauf an. Aufnahmen von Beschäftigten bei der Arbeit mit Stimme und Bild sowie Werkzeuge, die protokollieren, wer was aufgenommen hat, sind zur Überwachung von Verhalten geeignet (§ 87 Abs. 1 Nr. 6 BetrVG), sodass die Mitbestimmung dort, wo es einen Betriebsrat gibt, wahrscheinlich greift; § 90 Abs. 1 Nr. 3 verlangt frühzeitige Unterrichtung. Vereinbaren Sie schriftlich, dass Aufnahmen nur zur Erstellung von SOPs und nicht zur Bewertung Einzelner verwendet werden. In öffentlichen Stellen ist der Personalrat zuständig.

KI-Kompetenz: Unterstützen Sie die Beschäftigten darin, KI-Entwürfe kritisch zu prüfen (Art. 4 KI-Verordnung; GUIDE-006), besonders Zahlenwerte und Sicherheitshinweise. Kommunizieren Sie offen, dass Experten nicht ersetzt, sondern vom Schreiben von Dokumenten entlastet werden. Starten Sie einen Pilot mit Freiwilligen an 5 bis 10 Abläufen, darunter einem sicherheitsrelevanten. Typische Sorgen sind die Angst, aufgenommen zu werden, und die Angst, sich überflüssig zu machen; begegnen Sie ihnen mit freiwilliger Teilnahme, klaren Löschregeln und Anerkennung für die Expertin bzw. den Experten. Vor der Freigabe zeichnet immer ein Mensch ab. Weiterführend: GUIDE-008, GUIDE-009, GUIDE-004.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): typischerweise minimales Risiko; die Dokumentationserstellung ist keine Anwendung nach Anhang III. Die KI-Kompetenz nach Art. 4 gilt für Mitarbeitende, die die Werkzeuge nutzen [10]. Vorbehalte: Nutzen Sie dasselbe Video nicht, um Emotionen von Beschäftigten abzuleiten (am Arbeitsplatz nach Art. 5 verboten), und verwenden Sie Aufnahmen nicht für die individuelle Leistungsbewertung um — das ändert die Einstufung (zur Grenze bei Zykluszeiten siehe VIS-034). Synthetische Sprachausgaben oder Avatare in Schulungsmaterial können in manchen Fällen Transparenzpflichten nach Art. 50 auslösen (siehe GEN-003).
• DSGVO / Arbeitsrecht: Aufnahmen enthalten Gesichter, Stimmen und Bildschirme von Beschäftigten und können Kunden-, Patienten- oder Zugangsdaten offenlegen. Zweckbindung, AVV, Datenminimierung (die Aufgabe aufnehmen, nicht die Person), automatische Schwärzung und Aufbewahrungsfristen nutzen. In Deutschland hat ein Betriebsrat ein Mitbestimmungsrecht, wo technische Einrichtungen zur Überwachung von Verhalten oder Leistung geeignet sind (§ 87 Abs. 1 Nr. 6 BetrVG) [11]; vereinbaren Sie eine Betriebsvereinbarung, nach der Aufnahmen nicht zur Leistungsbewertung genutzt werden.
• Qualitätsmanagement: ISO 9001 verlangt gelenkte dokumentierte Information (Erstellung, Prüfung, Freigabe, Versionierung); halten Sie KI-Entwurf, Prüfer, Freigebenden und Datum in der Änderungshistorie fest.
• Branchenregeln: Pharma/GMP, Medizinprodukte (MDR), Lebensmittelsicherheit (HACCP) und Maschinensicherheit verlangen eine formale Validierung der Anweisungen; KI-Entwürfe ersetzen diese Validierung nicht.
• IP/Sicherheit: Rohvideo von Produktionsprozessen ist Betriebsgeheimnis; bevorzugen Sie Verarbeitung in der EU bzw. On-Premises und prüfen Sie die Bedingungen des Anbieters zum Training mit Kundendaten.

Erste Schritte

1. Wählen Sie 5–10 wiederkehrende Abläufe (Mischung aus Software-Aufgabe und körperlicher Aufgabe) und erfassen Sie Ausgangswerte: Erstellungszeit, Alter der aktuellen SOP, Einarbeitungszeit.
2. Legen Sie eine Standardvorlage (Zweck, Geltungsbereich, Voraussetzungen, Schritte, Warnhinweise, Qualitätsprüfungen, Änderungshistorie) und die Schwärzungsregeln fest; stimmen Sie sich mit der Datenschutzbeauftragten bzw. dem Datenschutzbeauftragten und dem Betriebsrat ab.
3. Pilotieren Sie ein Bildschirmaufnahme-Werkzeug nach Weg A und, für die Fertigung, eine Plattform für Arbeitsanweisungen oder eine einfache Pipeline nach Weg B/C (Handy-Video + Sprachkommentar → ASR + VLM → Entwurf).
4. Lassen Sie die Fachexperten die Entwürfe prüfen; protokollieren Sie jede Korrektur, um Korrekturquote und Fehlermuster zu messen.
5. Führen Sie mit einer verantwortlichen Person und einem Prüfintervall je SOP ein (z. B. alle 6–12 Monate oder bei einem Software-Release neu prüfen) und verknüpfen Sie die SOPs mit Ihrer Wissensdatenbank (KNOW-011) und der Einarbeitung.

Quellen

1. Scribe — plans and features (redaction, SSO, export) — https://scribe.com/pricing
2. Tango — product overview (guides from recorded workflows, SOC 2 Type II) — https://www.tango.ai
3. Guidde — AI video documentation platform (Magic Capture, translation, claims) — https://www.guidde.com
4. Dozuki — connected worker platform, CreatorPro AI and customer claims — https://www.dozuki.com
5. Azumuta — digital work instructions and MES — https://www.azumuta.com
6. Google AI for Developers — Gemini API video understanding — https://ai.google.dev/gemini-api/docs/video-understanding
7. Qwen3-VL repository (models, Apache-2.0, video and computer-use cookbooks) — https://github.com/QwenLM/Qwen3-VL
8. faster-whisper (SYSTRAN) — https://github.com/SYSTRAN/faster-whisper
9. Docling project (MIT; audio/video to transcript and keyframes) — https://github.com/docling-project/docling
10. EU AI Act, Article 4 AI literacy — https://artificialintelligenceact.eu/article/4/
11. § 87 BetrVG (Mitbestimmungsrechte des Betriebsrats) — https://www.gesetze-im-internet.de/betrvg/__87.html
12. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj