Schreibassistent für Berichte, Konzepte und Angebote

Das Schreiben von Berichten, Konzepten und Angeboten nimmt einen großen Teil der Arbeitszeit von Wissensarbeitern ein. Es ist repetitiv: dieselbe Struktur, dieselben Textbausteine und dieselben Kunden- oder Projektdaten, immer wieder neu getippt. Ein Schreibassistent verbindet ein allgemeines LLM mit den Vorlagen des Unternehmens, früheren Dokumenten und aktuellen CRM-/ERP-/Projektdaten. Er erzeugt in Minuten einen gut gegliederten ersten Entwurf, und der Mensch ergänzt die Beurteilung, prüft Fakten und gibt frei. Preise, Mengen und Vertragsbedingungen erfindet das Modell nie. Sie stammen aus Stammdaten und freigegebenen Textbausteinen. Der typische Gewinn sind schnellere Durchlaufzeiten und einheitlichere Dokumente, besonders bei weniger erfahrenen Schreibenden.

Problem & Nutzen

• Heute: Berater, Vertriebsingenieure, Projektleiter, Handwerker und Sachbearbeiter in Behörden beginnen mit einer alten Word-Datei. Sie kopieren Blöcke, tippen Kunden- und Projektdaten neu ein und feilen spätabends an der Formulierung. Angebote gehen spät raus, die Qualität schwankt zwischen den Autoren, und guter früherer Text ist schwer zu finden.
• Nutzen durch KI: erste Entwürfe aus Notizen oder Sprachmemos, automatische Wiederverwendung der besten früheren Abschnitte (Retrieval), einheitliche Struktur und einheitlicher Ton sowie schnelle Varianten (kurz/lang, technisch/Management, Deutsch/Englisch). Die Mitarbeitenden wechseln vom Rohentwurf zum Redigieren und Beurteilen.
• Belege: In einem vorab registrierten Experiment mit 444 Akademikern, die berufsspezifische Schreibaufgaben (Berichte, Memos, Analysen) bearbeiteten, verkürzte der Zugang zu ChatGPT die benötigte Zeit um 0,8 Standardabweichungen und hob die Qualität um 0,4 Standardabweichungen. Schwächere Leistungsträger profitierten am meisten, und die Arbeit verlagerte sich vom Rohentwurf zur Ideenfindung und zum Redigieren [1]. Es gibt Herstellerangaben für Antwortwerkzeuge (z. B. nennt Loopio rund 50 % Zeitersparnis für RFP-Teams [7]), doch sie sind selbst berichtet und beziehen sich auf den benachbarten RFP-Anwendungsfall (LANG-006).

Varianten

• B2B-Vertriebskonzepte (Mittelstand, IT, Dienstleistungen): Konzept mit Bedarfsanalyse, Lösung, Umfang, Projektplan und Referenzen, erzeugt aus der CRM-Opportunity und den Gesprächsnotizen.
• Angebote im Handwerk und Bau: ein Angebot oder Kostenvoranschlag, aufgebaut aus Baustellennotizen, Fotos, Aufmaßen und Sprachmemos. Die Positionen stammen aus den Artikel-/Leistungsstammdaten. Beispiel: Plancraft macht aus Notizen, Sprachaufnahmen, Bildern und Preislisten einen bearbeitbaren Angebotsentwurf [6].
• Beratung und professionelle Dienstleistungen: Projektangebote, Leistungsbeschreibungen und Abschluss-/Zwischenberichte, die eine Bibliothek aus Methoden, Lebensläufen und Referenzfällen wiederverwenden.
• Regelmäßige Geschäftsberichte: Monats-/Quartalsberichte für das Management, Projektstatusberichte und Vorstandsvorlagen, die strukturierte Kennzahlen mit erzählendem Text verbinden. Wenn der Text überwiegend aus Daten erzeugt wird, siehe DATA-002.
• Prüf-, Begehungs- und Gutachtenberichte: Berichte zu Baustellen, Audits, Wartung und Bewertungen, entworfen aus Feldnotizen und Checklisten, oft kombiniert mit Diktat (SPEECH-005).
• Öffentlicher Sektor: Projektberichte, Verwendungsnachweise bei Förderungen und interne Entscheidungsvorlagen. Gesetzgebungsentwürfe → LANG-034. Förder- und Ausschreibungsantworten → LANG-006.
• Privatnutzung: Angebote von Freiberuflern, Berichte für Vereine und Verbände sowie persönliche Projektbeschreibungen. Für studentische Arbeiten gelten eigene Regeln zur wissenschaftlichen Integrität.
• Nicht hier behandelt (eigene Dateien): Antworten auf Ausschreibungen/RFPs (LANG-006), Preisbildung für Einzelanfertigung aus CAD- Geometrie (AGENT-027), Produktkonfiguration und CPQ-Empfehlungen (REC-010), klinische/regulatorische Einreichungsunterlagen (HLTH-017), Kreditvorlagen (AGENT-028), technische Dokumentation (LANG-022), FMEA/8D (SCI-025), Foliensätze (GEN-005).

So funktioniert es

1. Auslöser (neue CRM-Opportunity / Ende einer Projektperiode / Baustellenbesuch)
2. Kontext sammeln (CRM, ERP-Preis- und Artikeldaten, PM-Werkzeug, Notizen, Transkripte, Fotos)
3. ähnliche frühere Dokumente & freigegebene Textbausteine abrufen (Hybridsuche + Reranker)
4. Gliederung gegen die Dokumentvorlage erzeugen (Abschnitte, Pflichtteile)
5. abschnittsweises Entwerfen mit Quellenangaben
6. deterministisches Einfügen von Preisen, Mengen, Terminen, Vertragsbedingungen (aus ERP/CPQ/Vorlagen)
7. Konsistenz- & Vollständigkeitsprüfungen (offene Punkte, nicht belegte Aussagen, Summen)
8. menschliche Prüfung & Bearbeitung in Word/Docs
9. Freigabe (Vier-Augen-Prinzip bei Angeboten über einem Schwellenwert)
10. Export in die Unternehmensvorlage (DOCX/PDF), Ablage in CRM/DMS

• LLM-Entwurf: Ein allgemeines LLM schreibt den erzählenden Text. Ein Reasoning-Modell hilft bei langen, strukturierten Dokumenten, etwa beim Aufbau eines Projektplans aus Anforderungen oder bei der Prüfung einer Argumentation.
• Retrieval-Schicht: ein Embedding-Index plus Reranker über gewonnene Konzepte, Referenzprojekte, Lebensläufe und Textbausteinbibliotheken. Das macht Entwürfe unternehmensspezifisch statt generisch.
• Werkzeugaufrufe / Agenten: Konnektoren (MCP, REST) lesen die CRM-Opportunity, ERP-Artikelpreise und Projektkennzahlen. Zahlen gelangen über Werkzeuge oder Vorlagenfelder ins Dokument, nicht durch freie Erzeugung.
• Parsing: Alte Konzepte und Preislisten als PDF/Scan werden mit Dokumenten-Parsing eingelesen (DOC-014).
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Autorin bzw. der Autor bearbeitet jeden Entwurf. Angebote sind rechtlich relevant (nach Versand bindend gemäß § 145 BGB). Die Freigabe von Preis, Rabatt und Bedingungen bleibt bei befugten Mitarbeitenden. Berichte an Gremien oder Behörden zeichnet die verantwortliche Person ab.

Datenaufbereitung

Benötigt werden: Artikel-, Leistungs- und Preisstammdaten (ERP, CPQ, Preislisten in Excel), Kunden- und Opportunity-Daten (CRM), Vorlagen und Textbausteine, frühere Berichte, Angebote und Konzepte (DMS, Dateiablagen, E-Mail-Anhänge, teils gescannt oder auf Papier) sowie Projektdaten aus PM-Werkzeugen.

Typische Lücken: Preislisten in unübersichtlichen Tabellen, mehrere Fassungen desselben Angebots ohne Kennzeichnung „gewonnen/verloren", Textbausteine verstreut in persönlichen Dateien, Expertenwissen nur in den Köpfen und zu offene oder unklare Zugriffsrechte auf Projektordner.

Aufbereitungsschritte: - Preis- und Artikeldaten in saubere Tabellen mit einer einzigen maßgeblichen Quelle überführen (siehe PREP-011, PREP-005). - 20 bis 50 gute frühere Dokumente als Referenzbibliothek auswählen, kennzeichnen (gewonnen, verloren, Thema) und Scans per OCR verarbeiten (siehe PREP-016, PREP-020, PREP-006, DOC-014). - Vorlagen und Textbausteine zu einem freigegebenen Satz zusammenführen (siehe PREP-013, PREP-014). - Ordner und Schlagwörter so umbauen, dass das Retrieval die richtige Fassung findet (siehe PREP-009, PREP-010); Berechtigungen bereinigen (siehe PREP-023).

Grober Anteil: 50 bis 70 Prozent des Aufwands. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg B. Ein gutes Angebot oder ein guter Bericht braucht Ihre eigenen Preislisten, CRM-Daten und Vorlagen; generische Werkzeuge kennen sie nicht, daher passt ein API-basierter Workflow (zum Beispiel mit n8n) besser als ein fertiges Produkt.
• Großunternehmen: Weg C. Angebote und Konzepte enthalten Preise und Strategie, also Geschäftsgeheimnisse, und das Volumen macht Lizenzkosten pro Platz hoch; eine gemeinsame interne KI-Plattform mit RAG passt.
• Entwickler: Weg B. Cloud-APIs mit Dokumenten- und CRM-Konnektoren erlauben den schnellen Bau der Pipeline.
• Privat: Weg A. Für persönliche Berichte und Bewerbungen genügt ein fertiger Assistent.
• Öffentlicher Sektor: Weg C. Berichte und Ausschreibungen enthalten sensible Daten, und Vergabe- und Souveränitätsregeln verlangen eine souveräne EU- oder deutsche Cloud oder den Eigenbetrieb.

Weg A — Kaufen (Standardsoftware)

• Office-Copiloten: Microsoft 365 Copilot in Word entwirft aus Prompts, Gliederungen, Notizen oder referenzierten Dateien, nutzt Vorlagen und bestehende Dokumente wieder und kann Quellenangaben ergänzen. Er bietet Modell- auswahl (einschließlich Claude-Modellen) [3]. M365-Daten werden für Kunden mit EU-Mandant in der EU Data Boundary verarbeitet [9]. Google Gemini in Workspace ist das Gegenstück für Google-Umgebungen.
• Chat-/Agentenplattformen aus der EU: Langdock (Berlin; EU-Hosting, eigene Cloud oder On-Premises ab 1.000+ Plätzen, modellunabhängig, ISO 27001/SOC 2) [4]. Mistral Le Chat Enterprise (FR). Beide erlauben den Bau eines „Konzeptassistenten" als Agent mit Ihren Vorlagen und Wissensdateien.
• Angebots-/Dokumentenplattformen: PandaDoc, Qwilr und Proposify für Vertriebskonzepte mit CRM- Anbindung (HubSpot, Salesforce), Inhaltsbibliotheken und E-Signatur. Prüfen Sie, wo die Daten gehostet werden.
• Branchensoftware mit KI-Angeboten (DE): Plancraft (Angebote aus Sprache, Fotos und Preislisten) [6] und andere Handwerks-ERP-Anbieter, die ähnliche Funktionen ergänzen.
• Schreibfeinschliff: DeepL Write (deutscher Anbieter) für Stil- und Tonmodi [8]. Siehe LANG-011.
• Weg A wählen, wenn: Dokumente in M365/Google liegen, das Volumen moderat ist und der Hauptbedarf in schnelleren ersten Entwürfen liegt.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Modelle: Mistral Medium 3.5 / Large 3 über La Plateforme (EU-Anbieter) [5]. Claude, GPT und Gemini über EU-Regionen bei AWS Bedrock (Frankfurt), Azure OpenAI/Foundry (EU-Datenzonen) und Google Vertex AI (europe-west).
• Muster: vorlagengesteuerte Erzeugung. Ein JSON-Gliederungsschema füllt eine DOCX-Vorlage (python-docx/docxtpl, Carbone). Das Retrieval läuft über einen Vektorspeicher (pgvector, Qdrant). Werkzeuge lesen CRM/ERP (HubSpot, Salesforce, SAP Business One, Dynamics 365 Business Central) über APIs oder MCP-Server.
• Orchestrierung: n8n oder Power Automate für den Auslöser (z. B. „Opportunity hat Phase Angebot erreicht"). LangGraph oder ein Agenten-SDK des Anbieters für mehrstufiges Entwerfen und Prüfen.
• Weg B wählen, wenn: Sie Angebote direkt aus CRM/ERP mit eigener Preislogik, nummerierten Textbausteinen und Corporate Design erzeugen wollen.

Weg C — Selbst betreiben (Open Source)

• Modelle: Qwen3-30B-A3B-Instruct-2507 (Apache 2.0, 262k nativer Kontext) [10]. Mistral Small 4 (Apache 2.0) [5]. Größere Optionen (Mistral Large 3, Apache 2.0 [5]; GLM-Familie oder Qwen3 der 235B-Klasse) für höhere deutsche Schreibqualität.
• Stack: vLLM mit strukturierten Ausgaben per JSON-Schema für Gliederungen und Positionen [11]. Open WebUI oder LibreChat als Oberfläche. Qdrant/pgvector plus ein BGE-/multilingual-e5-Embedding-Modell und ein Reranker. Docling zum Einlesen alter Konzepte. n8n selbst betrieben für Auslöser.
• Hardware: HW2 (eine GPU mit 24–32 GB) betreibt ein quantisiertes MoE-Modell mit ca. 30B für ein Schreibteam. HW3 für Modelle der 70–120B-Klasse, längere Dokumente und viele gleichzeitige Nutzer.
• Betrieb: mäßig. Modellaktualisierungen, Pflege der Vorlagen, Aktualisierung des Index und Zugriffskontrolle auf die Referenzbibliothek (nicht jeder Nutzer darf jedes frühere Angebot sehen).

Weg D — Eigenes Training

Lohnt sich selten. Retrieval guter Beispiele plus ein klarer Stilleitfaden liefern meist den unternehmensspezifischen Ton. Feintuning (LoRA auf einem offenen Modell) kann sich bei hochvolumigen, stark standardisierten Dokumenten lohnen, etwa bei Tausenden nahezu identischer Prüfberichte. Es braucht mehrere hundert bis einige tausend freigegebene Enddokumente, idealerweise gepaart mit den Eingabenotizen, aus denen sie entstanden sind.

Stand der Technik (2026)

• Spitzenmodelle mit langem Kontext (Familien von Claude, GPT, Gemini, Mistral Large) schreiben flüssige deutsche und englische Langtexte. Der Engpass ist nicht mehr die Formulierung, sondern das Grounding: richtige Fakten, Zahlen und Zusagen.
• Agentisches Entwerfen in der Office-Suite: Copilot in Word und ähnliche Werkzeuge bearbeiten jetzt direkt im Dokument, ziehen referenzierte Dateien, E-Mails und Besprechungen hinzu und ergänzen Quellenangaben [3]. Plattformen bieten MCP-Konnektoren, sodass Assistenten wie Claude oder ChatGPT Antwortbibliotheken direkt abfragen können [7].
• Multimodale Eingabe: Angebote aus Sprachmemos und Baustellenfotos werden in Branchensoftware bereits ausgeliefert [6].
• Strukturierte Erzeugung: schemabegrenztes Decoding (vLLM, xgrammar/guidance-Backends [11]) macht Gliederungen und Positionen vor dem Rendern maschinell prüfbar.
• Grenzen und Fehlerbilder: halluzinierte Referenzen, Fähigkeiten oder Zertifizierungen. Erfundene oder falsch addierte Preise. Übernahme vertraulicher Inhalte aus dem früheren Konzept eines anderen Kunden (Leck im Retrieval). Blasser, generischer „KI-Ton". Zu lange Texte. Veraltete Textbausteine. Führen Sie immer eine Quellenspur je Abschnitt und berechnen Sie Summen deterministisch neu.

Gemeinsame Bausteine & Kombinationen

• Gleicher LLM- + RAG-Stack (llm-general, embedding-text, vector-db, reranker): LANG-001 Werbetexte, LANG-002 E-Mail-Entwürfe, LANG-006 RFP-Antworten (teilt die Referenzbibliothek), LANG-008 Zusammenfassung, LANG-011 Stilumschreibung, KNOW-002 RAG-Assistent für das Unternehmen. Ein HW2/HW3-Inferenz- server und ein Index können sie alle bedienen.
• Vorgelagerte Eingaben: SPEECH-001 Besprechungszusammenfassungen und SPEECH-005 Diktat (Notizen zum Bericht), KNOW-015 Deep Research (Marktabschnitte), DATA-002 Daten-Narrative (Kennzahlenabschnitte), DOC-014 Parsing alter Konzepte.
• Nachgelagert: LANG-009 Übersetzung von Angeboten, GEN-005 Folien aus dem Konzept, DOC-010 Vertrags- entwurf, sobald das Angebot angenommen ist.
• Spezialisierte Nachbarn: AGENT-027 Anfrage-zu-Angebot (Preisbildung aus CAD), REC-010 Konfigurations- empfehlungen, die Angebotspositionen speisen, AGENT-028 Kreditvorlagen, HLTH-017 reguliertes medizinisches Schreiben.
• Workflow-Engine (n8n / Power Automate) gemeinsam mit AGENT-002 Back-Office-Automatisierung.

Aufwand, Kosten & Kennzahlen

• Weg A: Tage. Lizenzen pro Nutzer für Office-Copiloten oder Chat-Plattformen. Hauptaufwand ist die Bereinigung der Vorlagen und der Aufbau einer Textbausteinbibliothek.
• Weg B: 4–10 Wochen für einen CRM/ERP-integrierten Angebotsgenerator mit Vorlagen. Die API-Kosten je Dokument sind im Vergleich zur Arbeitszeit meist gering.
• Weg C: 1–3 Monate einschließlich Hardware, Index und Oberfläche, plus laufender Betrieb.
• Kostentreiber: Integration mit ERP-Preisen und CRM, Qualität der Vorlagen, Prüfzeit und Zugriffs- kontrolle auf die Referenzbibliothek.
• Kennzahlen: Zeit von der Anfrage bis zum versendeten Angebot/Konzept, Arbeitsstunden der Autoren je Dokument, Anteil des Entwurfs, der nach der Bearbeitung bleibt, in der Prüfung gefundene Fehlerquote (Preise, Namen, Zusagen), Erfolgsquote und Angebots- Konversion, Zahl der Angebote je Vertriebsmitarbeiter (VZÄ), Pünktlichkeit der Berichte.

Menschen & Veränderung

Beziehen Sie die Geschäftsleitung ein (welche Dokumente dürfen von der KI entworfen werden), die Vertriebs- oder Projektleitung als Prozessverantwortliche, die Datenverantwortlichen für ERP, CRM und DMS, die IT für die Schnittstellen und die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten für Kunden- und Mitarbeiterdaten in Referenzdokumenten. Recht oder Compliance sollten bestätigen, dass Geschäftsbedingungen und Rechtsklauseln nur aus freigegebenen Bausteinen stammen.

Pilotgruppe: zwei bis vier erfahrene Angebotsschreiber, die die Checkliste festlegen und entscheiden, welche Bausteine „gesperrt" sind. Preise, Mengen und Vertragsbedingungen stammen immer aus den Stammdaten; der Mensch gibt jedes Dokument frei.

Betriebsrat: es hängt davon ab. Ein reiner Entwurfsassistent an einem Arbeitsplatz löst möglicherweise § 87 Abs. 1 Nr. 6 BetrVG nicht aus, Plattformen aber, die die Nutzung einzelner Personen protokollieren (zum Beispiel M365 Copilot), tun es nach dem Maßstab der objektiven Eignung des BAG. § 90 Abs. 1 Nr. 3 verlangt in jedem Fall frühzeitige Unterrichtung. Siehe GUIDE-004. Öffentlicher Sektor: Personalrat.

Datenschutz: AVV (Art. 28 DSGVO) mit den Anbietern; eine Datenschutz-Folgenabschätzung (DSFA) nur, wenn sensible personenbezogene Daten verarbeitet werden (GUIDE-005). KI-Kompetenz: Unterstützen Sie die Mitarbeitenden mit Schulungen zu Faktenprüfung und Prompts (Art. 4 KI-Verordnung, GUIDE-006). Typische Sorge: „Die KI macht das Angebot falsch." Begegnen Sie ihr mit sichtbaren Quellenangaben und einer Checkliste offener Punkte; führen Sie den Pilot nach GUIDE-009 durch.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): in der typischen Form minimales Risiko. Das Entwerfen von Geschäftsdokumenten ist keine Kategorie nach Anhang III, und die Pflicht zur KI-Kompetenz (Art. 4) gilt. Die Offenlegung nach Art. 50 Abs. 4 gilt nur für KI-erzeugten Text, der veröffentlicht wird, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren, und nicht, wenn eine Person ihn geprüft hat und die redaktionelle Verantwortung trägt. Die maschinenlesbare Kennzeichnung nach Art. 50 Abs. 2 ist eine Pflicht der Anbieter (Hersteller), mit Ausnahmen für Systeme, die vor allem die Standardbearbeitung unterstützen. Art. 50 gilt ab dem 2. August 2026 [2][12]. 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.
• DSGVO: CRM-Daten, Ansprechpartner, Lebensläufe von Teammitgliedern und Projektdetails von Kunden sind personen- bezogene Daten. Sie brauchen einen Auftragsverarbeitungsvertrag mit dem Anbieter, EU-Hosting, kein Training mit Kundendaten, rollenbasierten Zugriff auf die Referenzbibliothek sowie Lösch- und Aufbewahrungsregeln.
• Vertrags- und Handelsrecht (DE): Ein Angebot ist nach dem Versand bindend (§ 145 BGB), und ein Kostenvoranschlag hat rechtliche Folgen, wenn er wesentlich überschritten wird (§ 649 BGB). Preise, Bedingungen und Liefertermine müssen aus kontrollierten Quellen stammen und von befugten Mitarbeitenden freigegeben werden. Angenommene Angebote und die zugehörige Korrespondenz sind Handelsbriefe mit Aufbewahrungspflichten (§ 257 HGB, GoBD).
• Vertraulichkeit & geistiges Eigentum: keine Wiederverwendung vertraulicher Inhalte eines Kunden im Konzept eines anderen. Prüfen Sie Geheimhaltungsvereinbarungen (NDAs), bevor Sie indexieren. Kennzeichnen Sie den KI-Einsatz, wo Auftraggeber oder Fördergeber es verlangen.
• Gegenmaßnahmen: Quellenangaben je Abschnitt, deterministische Preis-/Summenberechnung, verpflichtende Prüfcheckliste, eine Sperrliste nicht verifizierter Aussagen (Zertifizierungen, Referenzen) und ein Prüfprotokoll (Entwurf gegenüber Endfassung).

Erste Schritte

1. Wählen Sie eine Dokumentart mit hohem Volumen (z. B. Standardangebot oder monatlicher Projektbericht) und messen Sie die aktuellen Stunden je Dokument und die Durchlaufzeit.
2. Bereinigen Sie 1–3 Mustervorlagen und bauen Sie eine Bibliothek freigegebener Textbausteine sowie 20–50 guter früherer Dokumente auf (wo nötig anonymisiert).
3. Starten Sie den Pilot mit dem Office-Copiloten oder einer EU-Plattform, die Sie bereits haben (Weg A). Legen Sie einen eigenen Assistenten mit Vorlage, Stilleitfaden und Bibliothek an.
4. Binden Sie Preis- und Artikeldaten aus ERP/CPQ an, damit Zahlen eingefügt statt erzeugt werden. Ergänzen Sie einen Freigabeschritt nach dem Vier-Augen-Prinzip für Angebote.
5. Vergleichen Sie nach 4–6 Wochen Stunden, Fehlerquote in der Prüfung und Erfolgsquote. Entscheiden Sie dann über einen tieferen CRM/ERP-integrierten Aufbau (Weg B/C).

Quellen

1. Noy, S. & Zhang, W. — Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence (MIT working paper; later published in Science 2023) — https://economics.mit.edu/sites/default/files/inline-files/Noy_Zhang_1.pdf
2. EU AI Act, Article 50 — Transparency obligations (artificialintelligenceact.eu) — https://artificialintelligenceact.eu/article/50/
3. Microsoft Support — Draft and add content with Copilot in Word — https://support.microsoft.com/en-us/office/draft-and-add-content-with-copilot-in-word-069c91f0-9e42-4c9a-bbce-fddf5d581541
4. Langdock — platform overview (EU hosting, deployment options) — https://langdock.com/
5. Mistral AI — Models overview (versions & licences) — https://docs.mistral.ai/getting-started/models/models_overview/
6. Plancraft — craft business software with AI offer creation — https://plancraft.com/
7. Loopio — Response Intelligence and MCP connector (vendor-reported figures) — https://loopio.com/
8. DeepL Write — https://www.deepl.com/en/write
9. Microsoft — What is the EU Data Boundary? — https://learn.microsoft.com/en-us/privacy/eudb/eu-data-boundary-learn
10. Qwen3-30B-A3B-Instruct-2507 model card — https://huggingface.co/Qwen/Qwen3-30B-A3B-Instruct-2507
11. vLLM — Structured outputs — https://docs.vllm.ai/en/latest/features/structured_outputs.html
12. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj