Entwurf von E-Mails und Geschäftskorrespondenz

Wissensarbeiter verbringen einen großen Teil ihres Tages mit dem Lesen und Schreiben von E-Mails, und Unternehmen des Mittelstands versenden weiterhin viele formelle Briefe (Nachfassen bei Angeboten, Reklamationen, Mahnungen, Antworten an Behörden). Ein LLM-Schreibassistent macht aus ein paar Stichpunkten oder dem eingehenden Verlauf einen bearbeitbaren Entwurf in passendem Ton und passender Sprache, holt Fakten aus CRM oder ERP und wendet den Hausstil an. Der Mensch bleibt Autor: Er prüft, bearbeitet und drückt auf Senden. 2026 ist das eine Standardfunktion jedes großen Mailprogramms, die Arbeit liegt daher bei Grounding, Hausstil, Datenschutz und Akzeptanz.

Problem & Nutzen

• Heute: Mitarbeitende schreiben Antworten von Grund auf oder kopieren Textbausteine, suchen Auftrags- oder Vertragsdaten in anderen Systemen und verbringen Zeit mit dem Ton („bestimmt, aber freundlich"), mit fremdsprachigen E-Mails und mit formellen Briefen. Die Qualität schwankt stark zwischen den Beschäftigten.
• Nutzen durch KI: schnellere erste Entwürfe, einheitlicher Ton und einheitliche Terminologie, leichteres Schreiben in Fremdsprachen, weniger Aufwand für Menschen mit Legasthenie oder Dyspraxie und weniger fehlende Angaben, wenn der Entwurf auf Geschäftsdaten gestützt ist.
• Gemessene Belege (bescheiden, aber real):
• Ein Feldexperiment von Microsoft Research mit mehr als 6.000 Beschäftigten in 56 Unternehmen ergab, dass Nutzer von Microsoft 365 Copilot pro Woche etwa 30 Minuten weniger mit dem Lesen von E-Mails verbrachten [1].
• Im behördenübergreifenden Copilot-Experiment des Vereinigten Königreichs (20.000 Beschäftigte, 12 Organisationen, Okt.–Dez. 2024) gaben die Nutzer selbst durchschnittlich 26 Minuten Zeitersparnis pro Tag an. Das Entwerfen von Dokumenten sparte am meisten Zeit (24 Minuten); Kommunikationsaufgaben sparten weniger, dafür aber häufig [2].
• In einem Pilotprojekt von Stanford Health Care mit KI-Entwürfen für Antworten auf Patientennachrichten (162 Ärztinnen und Ärzte) wurden die Entwürfe für etwa 20 % der Antworten genutzt. Aufgabenlast und Erschöpfungswerte sanken deutlich, aber die Antwortzeit veränderte sich nicht messbar [3]. Lehre: Entwurfsassistenten senken die mentale Belastung zuverlässiger, als sie die gestoppte Zeit verkürzen.

Varianten

• Einzelne Wissensarbeiter (Großunternehmen): Copilot in Outlook, Gemini in Gmail; „Hilf mir beim Schreiben / Antworten", Steuerung von Ton und Länge, Coaching [4][5].
• Kundenservice & Vertrieb: fundierte Antworten auf Kunden-E-Mails mit Auftrags-, Liefer- oder Vertragsdaten. Vorlagen füllt das LLM aus, und ein Sachbearbeiter gibt den Entwurf frei. Vollautomatischer Versand gehört zu AGENT-001. Antworten im Marktplatz und Shop gehören zu AGENT-020.
• Antworten auf Online-Bewertungen (KMU): Öffentliche Antworten auf Bewertungen bei Google, OTA oder Marktplätzen sind dieselbe Entwurfsaufgabe, mit Markensprache und Eskalationsregeln. Der spezialisierte Anwendungsfall ist LANG-038 (Stimmungsanalyse von Bewertungen: LANG-013).
• Formelle Geschäftsbriefe: Layout nach DIN 5008. Pflichtangaben des Unternehmens (z. B. verlangt § 35a GmbHG auf Geschäftsbriefen jeder Form Rechtsform, Sitz, Registergericht und Nummer sowie die Geschäftsführer) werden aus einer Vorlage ergänzt, nie vom LLM [11].
• Mehrsprachige Korrespondenz: auf Deutsch entwerfen, auf Englisch, Französisch oder Polnisch versenden. Optional ein terminologiebewusster Übersetzungsschritt (LANG-009).
• Öffentlicher Sektor: Antworten auf Bürgeranfragen und Standardschreiben. Umformulierung in einfache Sprache (LANG-010). Verbindliche Verwaltungsentscheidungen bleiben ein eigenes, von Menschen unterzeichnetes Verfahren.
• Gesundheitswesen: Antworten auf Patientennachrichten in der elektronischen Patientenakte haben eine eigene Sicherheitsprüfung → HLTH-030.
• Privatnutzung: Beschwerden, Kündigungen, Briefe an Vermieter oder Behörden → PERS-008; Bewerbungsschreiben → PERS-012. Datenschutzfreundliche Optionen sind etwa Proton Scribe, das lokal auf Englisch laufen kann [9].

So funktioniert es

1. Auslöser (Nutzer öffnet Verlauf / schreibt Notizen / Ticket kommt an)
2. Kontext zusammenstellen: Verlauf + Anhänge, Absenderdatensatz aus CRM/ERP, passende Richtlinie oder Textbausteine (Retrieval über Vorlagen & frühere freigegebene Antworten)
3. Filter für personenbezogene Daten / Geheimnisse und Schutz vor Prompt-Injection bei eingehenden Inhalten
4. LLM-Entwurf mit Systemprompt = Hausstil, Anredeform, Sprache, Länge, Signatur
5. optional Übersetzung / Umformulierung in einfache Sprache
6. Prüfungen: Fakten gegen Quelldaten (Preise, Termine, Auftragsnummern), unzulässige Zusagen, gesetzlich vorgeschriebene Fußzeile aus der Vorlage
7. Entwurf im Mailprogramm / in der Ticketoberfläche ← MENSCH prüft, bearbeitet, sendet
8. Protokoll: Entwurf gegenüber gesendetem Text (Qualitätsrückmeldung, Stilbeispiele)

• Kernmodell: ein allgemeines, auf Anweisungen trainiertes LLM. Mittelgroße Modelle genügen für die meisten E-Mails. Spitzenmodelle helfen bei langen Verläufen, Verhandlungston und rechtlichen Nuancen.
• Grounding: Retrieval über freigegebene Textbausteine und frühere Antworten (Embeddings + Vektorindex), dazu schreibgeschützte Werkzeugaufrufe an CRM/ERP. Das macht aus generischem Text eine richtige Antwort.
• Stil: Ein Stilleitfaden im Systemprompt plus einige Beispiele genügt meist. Feintuning ist selten nötig.
• Mensch-in-der-Schleife (Human-in-the-Loop): Standardmäßig sendet der Mensch. Automatischer Versand nur für enge, risikoarme Kategorien, und dann ist es AGENT-001, nicht dieser Anwendungsfall.

Datenaufbereitung

Die Daten sind der Mailverkehr selbst (Postfächer, gemeinsame Postfächer), Vorlagen und Textbausteine in Word oder auf Dateiablagen, ein Stilleitfaden, falls vorhanden, und Kontext aus CRM, ERP oder Ticketsystem (Auftragsstatus, Vertragsdaten). Viele Firmen halten Briefe außerdem als Papierkopien oder Scans vor.

Typische Lücken: kein schriftlicher Hausstil, Textbausteine verstreut in persönlichen Ordnern, veraltete Vorlagen, Kundendaten in mehreren Systemen und zu weit gefasste Postfachberechtigungen, sodass ein Assistent E-Mails anzeigen könnte, die die Nutzerin bzw. der Nutzer nicht sehen darf.

Aufbereitungsschritte: - Eine kleine Menge aktueller Vorlagen und 10 bis 20 gute versendete E-Mails als Tonbeispiele sammeln und kuratieren (siehe PREP-016, PREP-013). - Einen kurzen Stilleitfaden und eine Liste unternehmensspezifischer Begriffe schreiben (siehe PREP-015). - Postfach- und Dateiberechtigungen bereinigen, bevor ein Assistent mit Zugriff eingeführt wird (siehe PREP-023); festlegen, was in welches Werkzeug eingegeben werden darf (siehe PREP-024). - CRM oder ERP nur dort per Export oder API anbinden, wo Entwürfe Fakten brauchen (siehe PREP-005).

Grober Anteil: etwa 15 bis 25 Prozent des Aufwands; der reine Schreibassistent funktioniert fast sofort. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A. Copilot, Gemini oder ein in der EU gehosteter Mailassistent ist ein ausgereiftes Standardprodukt zu KMU-Preisen, und E-Mail ist ein Standardprozess.
• Großunternehmen: Weg C. E-Mails enthalten in großem Umfang Kunden- und Vertragsdaten, daher vermeidet eine gemeinsame interne KI-Plattform mit offenen Modellen Lizenzkosten pro Platz und hält die Inhalte im Haus.
• Entwickler: Weg C. Offene Modelle plus eine IMAP- oder Add-in-Anbindung geben volle Kontrolle über Daten und Prompts.
• Privat: Weg C. Lokale Apps wie LM Studio oder Ollama halten die persönliche Korrespondenz auf dem eigenen Gerät.
• Öffentlicher Sektor: Weg C. Souveränitäts- und Vergaberegeln sprechen für selbst betriebene oder souveräne deutsche Cloud-Modelle statt US-Diensten.

Weg A — Kaufen (für die meisten KMU empfohlen)

• In die Mail-Suite eingebaut: Microsoft 365 Copilot in Outlook (Entwurf, Ton/Länge, Coaching; Microsoft 365 fällt für Mandanten in der EU/EFTA unter die EU Data Boundary) [4][6]; Gemini in Gmail (Hilf mir beim Schreiben, Glätten, kontextbezogene Schnellantworten) [5].
• KI-Arbeitsplätze aus der EU: Langdock (Berlin; EU-Hosting, Outlook-Add-in, On-Premises ab 1.000 Plätzen, ISO 27001/SOC 2) [7]; Le Chat/Vibe von Mistral (Frankreich). Andere deutsche „Firmen-GPT"-Plattformen folgen demselben Muster.
• Schreib-/Umformulierungswerkzeuge: DeepL Write (Deutschland; Stilregeln, Outlook-Add-in und Browser- Erweiterungen) [8]. Grammarly ist die US-Alternative.
• Service-Desks: KI-Antwortentwürfe in Zendesk, Freshdesk, Salesforce Service Cloud und HubSpot, gestützt auf das Ticket.
• Weg A wählen, wenn: die Organisation bereits M365 oder Workspace nutzt oder eine in der EU gehostete Chat-Plattform mit Outlook-Add-in wünscht. Die Budgetfrage lautet: Lizenzen pro Platz gegenüber der tatsächlichen Nutzung.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Modelle: Mistral Medium 3.5 / Mistral Small 4 über La Plateforme (EU-Anbieter) [10]; Claude, GPT oder Gemini über Endpunkte in EU-Regionen (AWS Bedrock Frankfurt, Azure EU, Vertex AI europe-west).
• Integration: Outlook-Add-in (Office.js) oder Microsoft Graph, Gmail-API, IMAP für andere Mailsysteme; Webhooks des Ticketsystems; n8n oder Power Automate für „Entwurf bei Eingang".
• Grounding: schreibgeschützte CRM/ERP-Werkzeuge, bereitgestellt über MCP oder Function Calling; freigegebene Textbausteine in einem Vektorindex (pgvector, Qdrant).
• Weg B wählen, wenn: Antworten interne Systeme nutzen müssen (Auftragsstatus, Vertragsbedingungen) oder Sie einen einheitlichen Hausstil über viele Kanäle brauchen.

Weg C — Selbst betreiben (Open Source)

• Modelle: Mistral Small 4 (Apache 2.0), Ministral 3 8B/14B, Gemma 4, Qwen3.5/Qwen3.6 (stark mehrsprachig), gpt-oss-20b/120b [10][12]. Für deutsche Geschäfts-E-Mails zuerst Mistral- und Gemma-Modelle testen. Kleine Modelle (≤ 8B) taugen für Autovervollständigung und Glättung.
• Stack: vLLM oder Ollama zum Betrieb; Open WebUI oder LibreChat als Nutzeroberfläche; ein selbst gebautes Outlook-Add-in oder eine Thunderbird-Erweiterung, die den internen Endpunkt aufruft; Presidio oder Ähnliches für den Umgang mit personenbezogenen Daten; n8n für die Postfachautomatisierung.
• Hardware: HW2 (eine GPU mit 24–32 GB) bedient ein quantisiertes Modell mit 14–30B für Dutzende gleichzeitige Nutzer. HW3 für Modelle der 100B-Klasse (gpt-oss-120b, Mistral Medium 3.5) oder Hunderte Nutzer.
• Weg C wählen, wenn: die Korrespondenz vertrauliche Daten oder Daten unter Berufsgeheimnis enthält (Anwälte, Steuerberater, Ärzte, § 203 StGB) oder Richtlinien externe Auftragsverarbeiter verbieten.

Weg D — Eigenes Training

Lohnt sich selten. Ein LoRA-Feintuning eines kleinen offenen Modells auf einigen tausend freigegebenen versendeten Antworten kann einen sehr speziellen Hausstil oder eine Fachformulierung festschreiben oder ein kleineres, günstigeres Modell ein größeres bei hohem Volumen ersetzen lassen (z. B. Versicherer, Versorger, Behörden mit Standardschreiben). Prüfen Sie zuerst, ob Retrieval plus Few-Shot-Beispiele wirklich nicht ausreichen. Das Training mit versendeten E-Mails erfordert eine Rechtsgrundlage nach DSGVO und Pseudonymisierung (DOC-018).

Stand der Technik (2026)

• Standard in den Clients: Entwerfen, Umformulieren, Tonsteuerung und kontextbezogene Antwortvorschläge gehören zu Outlook, Gmail und Proton Mail [4][5][9]. Unterschiede entstehen heute durch Grounding in Unternehmensdaten und durch agentische Erweiterungen (einen Auftrag nachschlagen, einen Terminvorschlag machen, das richtige Dokument anhängen).
• Offene Modelle sind gut genug: Aktuelle offene Modellfamilien (Mistral Small 4, Gemma 4, Qwen3.5, gpt-oss) schreiben flüssige deutsche, französische und englische Geschäfts-E-Mails auf einer einzigen GPU, was Entwürfe On-Premises für den Mittelstand realistisch macht [10][12].
• Die Belege sind uneinheitlich: Kontrollierte Studien zeigen bescheidene Zeitersparnis und geringere Belastung statt dramatischer Produktivitätsgewinne [1][3]. Selbst berichtete Einsparungen fallen größer aus [2].
• Grenzen & Fehlerbilder: erfundene Fakten (Preise, Termine, Zusagen), wenn nicht gestützt; zu lange, generische „KI-Töne", die Empfänger bemerken; falsche Förmlichkeit (Du/Sie) oder kulturelle Stilebene; Prompt-Injection durch eingehende E-Mails, die den Assistenten anweisen; versehentliche Offenlegung von Daten aus anderen Verläufen beim Retrieval; Automatisierungs-Bias (Nutzer senden ungelesene Entwürfe).

Gemeinsame Bausteine & Kombinationen

• Gleicher LLM-Endpunkt (llm-general, HW2/HW3): LANG-011 Korrektur & Markensprache, LANG-009 Übersetzung, LANG-010 einfache Sprache, LANG-003 Berichte & Angebote, LANG-038 Antworten auf Bewertungen. Ein selbst betriebener Modellserver plus ein Stilleitfaden bedient sie alle.
• Gleicher Retrieval-Stack (embedding-text + vector-db): KNOW-002 RAG-Assistent. Freigegebene Textbausteine und FAQs sind eine gemeinsame Wissensbasis.
• Vorgelagert/nachgelagert: LANG-012 klassifiziert und leitet eingehende E-Mails vor dem Entwurf weiter. AGENT-001 ergänzt Triage und automatischen Versand. CONV-015 persönlicher Assistent verbindet Entwürfe mit Kalender und Aufgaben. AGENT-020 für Antworten im Shop.
• Gemeinsame Leitplanken: SEC-010 Schutz vor Prompt-Injection und SEC-017 DLP gelten für jeden Assistenten, der E-Mails liest; DOC-018 Schwärzung für Trainingsdaten.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage. Kosten sind Lizenzen pro Platz (Zusatz zur Suite oder KI-Arbeitsplatz). Hauptaufwand: Stilleitfaden, Schulung der Nutzer, Entscheidung, wer eine Lizenz bekommt.
• Weg B: 3–8 Wochen für ein Outlook-Add-in oder eine Service-Desk-Anbindung mit CRM-Grounding. Die Tokenkosten je E-Mail sind klein im Vergleich zur Arbeitszeit.
• Weg C: 1–2 Monate, ein GPU-Server plus laufende Modellaktualisierungen und Überwachung.
• Kennzahlen: Anteil der Antworten, die mit einem KI-Entwurf beginnen; Editierabstand zwischen Entwurf und gesendetem Text; Bearbeitungszeit je E-Mail oder Ticket (gemessen, nicht nur befragt); Lösung beim ersten Kontakt; Kundenzufriedenheit bei beantworteten Tickets; in Stichprobenprüfungen gefundene Quote sachlicher Fehler; Lizenzauslastung.

Menschen & Veränderung

Beziehen Sie die Geschäftsleitung (KI-Richtlinie, Budget), die Abteilungsleitungen, die IT und IT-Sicherheit (Postfachzugriff, Mandanteneinstellungen) und die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten früh ein, weil E-Mails personenbezogene Daten von Kunden und Beschäftigten enthalten. Wählen Sie eine Pilotgruppe von 5 bis 10 intensiven E-Mail-Nutzern aus verschiedenen Teams, betreiben Sie sie vier bis sechs Wochen und sammeln Sie Beispiele für gute und schlechte Entwürfe.

Betriebsrat: in der Praxis ja. Mailassistenten wie M365 Copilot protokollieren die Nutzeraktivität, und nach Auffassung des BAG genügt die objektive Eignung zur Überwachung für die Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG. § 90 Abs. 1 Nr. 3 verlangt zudem rechtzeitige Unterrichtung, und § 80 Abs. 3 erlaubt dem Betriebsrat, einen KI-Sachverständigen hinzuzuziehen. Öffentlicher Sektor: Personalrat. Eine Betriebsvereinbarung zur KI-Nutzung ist die übliche Lösung (GUIDE-004).

Datenschutz: Eine Datenschutz-Folgenabschätzung (DSFA) ist für reines Entwerfen meist nicht erforderlich, prüfen Sie sie aber, wenn Mailinhalte systematisch ausgewertet werden; ein Auftragsverarbeitungsvertrag (AVV, Art. 28 DSGVO) ist Pflicht (GUIDE-005). KI-Kompetenz: Unterstützen Sie die Mitarbeitenden mit einer kurzen Schulung zu vertraulichen Daten, Faktenprüfung und Ton (Art. 4 KI-Verordnung, GUIDE-006). Typische Sorgen sind Überwachung und Kompetenzverlust: Stellen Sie klar, dass keine Leistungsbewertung stattfindet und dass die Autorin bzw. der Autor immer prüft und sendet.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko. Das Entwerfen von Korrespondenz fällt nicht unter Anhang III, und die Pflicht zur KI-Kompetenz (Art. 4) gilt für die Beschäftigten. Kennzeichnungspflichten nach Art. 50 Abs. 2 treffen die Anbieter textgenerierender Systeme ab dem 2. August 2026 (Digital Omnibus, Verordnung 2026/1744: Systeme, die bereits vor dem 2. August 2026 auf dem Markt waren, haben für die Kennzeichnung nach Art. 50 Abs. 2 bis zum 2. Dezember 2026 Zeit), mit einer Ausnahme für unterstützende Bearbeitung [13][14]. Die Offenlegung nach Art. 50 Abs. 4 für Betreiber betrifft Text, der veröffentlicht wird, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren, nicht private Korrespondenz, und gilt nach menschlicher redaktioneller Prüfung nicht. Kundenseitige Auto-Reply-Bots lösen die Offenlegung für Chatbots nach Art. 50 Abs. 1 aus → AGENT-001/CONV-001.
• DSGVO: E-Mails enthalten fast immer personenbezogene Daten. Sie brauchen einen Auftragsverarbeitungsvertrag, Verarbeitung in der EU, eine Klausel zum Verzicht auf Training mit Kundendaten, Einstellungen zur Aufbewahrung und eine DSFA, wo besondere Kategorien vorkommen (Gesundheit, Personal). Beachten Sie die Zweckbindung, bevor Sie versendete E-Mails als Trainingsdaten verwenden.
• Berufsgeheimnis: Anwälte, Steuerberater und Ärzte (§ 203 StGB) brauchen vertragliche Verschwiegenheitspflichten mit dem Anbieter oder Weg C.
• Handelsrecht: Pflichtangaben auf Geschäftsbriefen (§ 35a GmbHG, § 37a HGB) und Unterschriften kommen aus Vorlagen [11]. Briefe mit Rechtswirkung (Angebote, Kündigungen, Mahnungen) brauchen menschliche Freigabe. Handelsrechtlich relevante E-Mails nach GoBD/HGB-Fristen archivieren.
• Sicherheit: Behandeln Sie eingehende E-Mails als nicht vertrauenswürdige Eingabe für das LLM. Deaktivieren Sie autonome Werkzeugaktionen, die durch E-Mail-Inhalte ausgelöst werden, oder verlangen Sie dafür eine Bestätigung.
• Betriebsrat: In Deutschland braucht die Einführung von Werkzeugen vom Typ Copilot, die die Nutzung protokollieren, in der Regel eine Betriebsvereinbarung (§ 87 Abs. 1 Nr. 6 BetrVG).

Erste Schritte

1. Wählen Sie 2–3 Korrespondenzarten mit hohem Volumen (z. B. Fragen zum Auftragsstatus, Antworten auf Reklamationen, Nachfassen bei Angeboten) und messen Sie die heutige Bearbeitungszeit und Qualität.
2. Schreiben Sie einen einseitigen Stilleitfaden (Anrede, Du/Sie, Länge, Grußformel, unzulässige Zusagen) und sammeln Sie 10–20 gute Beispielantworten.
3. Erproben Sie den Suite-Assistenten, den Sie bereits lizenziert haben (Copilot/Gemini), oder einen EU-Arbeitsplatz wie Langdock mit 10–20 Nutzern vier Wochen lang. Vergleichen Sie Bearbeitungszeit und Editierabstand der Entwürfe.
4. Wenn Antworten Geschäftsdaten brauchen, bauen Sie ein fundiertes Add-in nach Weg B/C mit schreibgeschützten CRM/ERP-Abfragen und Schutz vor Prompt-Injection.
5. Vereinbaren Sie Regeln für die menschliche Prüfung, den Datenschutz (AVV, DSFA) und den Betriebsrat, bevor Sie ausweiten.

Quellen

1. Dillon, Jaffe, Peng, Cambon — "Early Impacts of M365 Copilot" (Microsoft Research field experiment), arXiv:2504.11443 — https://arxiv.org/abs/2504.11443
2. UK Government — Microsoft 365 Copilot Experiment: Cross-Government Findings Report (June 2025) — https://www.gov.uk/government/publications/microsoft-365-copilot-experiment-cross-government-findings-report
3. Garcia P. et al. — "Artificial Intelligence–Generated Draft Replies to Patient Inbox Messages", JAMA Netw Open 2024;7(3):e243201 — https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2816494
4. Microsoft Support — Draft an email message with Copilot in Outlook — https://support.microsoft.com/en-us/office/draft-an-email-message-with-copilot-in-outlook-3eb1d053-89b8-491c-8a6e-746015238d9b
5. Google Workspace — Gemini in Gmail — https://workspace.google.com/products/gmail/ai/
6. Microsoft — What is the EU Data Boundary? — https://learn.microsoft.com/en-us/privacy/eudb/eu-data-boundary-learn
7. Langdock — product overview (EU hosting, Outlook add-in, on-prem) — https://www.langdock.com/
8. DeepL Write — https://www.deepl.com/en/write
9. Proton — Proton Scribe writing assistant — https://proton.me/support/proton-scribe-writing-assistant
10. Mistral AI — Models overview & deprecations — https://docs.mistral.ai/getting-started/models/models_overview/
11. § 35a GmbHG — Angaben auf Geschäftsbriefen — https://www.gesetze-im-internet.de/gmbhg/__35a.html
12. Ollama model library (availability of open-weight models) — https://ollama.com/library
13. EU AI Act Article 50 (transparency obligations) — https://artificialintelligenceact.eu/article/50/
14. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj