Skimle er en AI-drevet platform til analyse af kvalitative data, der strukturerer ustrukturerede dokumenter (interviews, filer fra datarum, kundekommentarer, høringssvar, juridiske dokumenter og så videre) til ordnede og analyserbare datasæt. I modsætning til chatbots, der henter tilfældige tekststykker, behandler Skimle hele din dokumentsamling systematisk: analyserer hvert afsnit, udtrækker indsigter og ordner dem i hierarkiske temataksonomier med fuld sporbarhed. Se hvordan Skimle fungerer for et samlet overblik.
Skimle er bygget til vidensarbejdere, der analyserer kvalitative data: akademiske forskere, der laver tematisk analyse, managementkonsulenter, der sammenfatter ekspertinterviews, politikanalytikere, der behandler høringssvar, markedsanalytikere, der analyserer kundefeedback, HR-teams, der gennemfører medarbejderundersøgelser — og alle andre, der har brug for systematiske og forsvarlige indsigter fra ustruktureret materiale.
De fleste enkle AI-værktøjer til analyse bruger RAG (Retrieval-Augmented Generation) og henter relevante tekststykker først, når spørgsmålet stilles, hvilket betyder, at du får forskellige svar, hver gang du stiller det samme spørgsmål. Skimle behandler hele dit materiale systematisk på forhånd og skaber en stabil struktur, hvor hvert tema kobles til verificerede citater. Du får fuld dækning, ensartede resultater og fuld sporbarhed i stedet for svar fra en sort boks. Læs mere om, hvorfor RAG-baserede værktøjer ikke rækker til seriøs analyse.
Nej. Skimle er lavet til forskere og analytikere, ikke til programmører. Brugerfladen er intuitiv (tænk regneark plus dokumentviser), og al AI-behandling sker automatisk. Kan du bruge Google Docs og Excel, kan du bruge Skimle.
De fleste brugere er produktive inden for 15–30 minutter. Tilføj dine filer som en datakilde, kør en analyse, og gennemgå og forfin derefter de AI-genererede temaer — forløbet er ligetil. I modsætning til traditionelle programmer til kvalitativ analyse (NVivo, ATLAS.ti), som kan tage uger at lære, er Skimles brugerflade lavet til at være produktiv med det samme.
Skimle tager imod PDF, .docx, TXT, RTF, lydfiler (MP3, M4A, WAV) og videofiler (MP4, MOV). Du tilføjer hver type som en datakilde; for lyd og video transskriberer Skimle automatisk, før analysen begynder, så hele dit forløb bliver ét sted. Du kan blande formater i samme projekt.
Ja. Skimles indbyggede transskription håndterer MP3-, M4A-, WAV-, MP4- og MOV-filer. Tilføj din optagelse som en lyd- eller videodatakilde, så transskriberer Skimle den, før analysen begynder — med et valgfrit trin, hvor du først kan gennemgå og rette transskriptionen. Citaterne forbliver sporbare til kilden, så der er ikke brug for en særskilt transskriptionstjeneste.
Op til 1.000 dokumenter pr. projekt. De fleste anvendelser omfatter 10–200 dokumenter (typiske studier, konsulentprojekter, høringer), men Skimle skalerer til store dokumentmængder som gennemgange af datarum eller omfattende litteraturanalyser.
Over 100 sprog. Upload dokumenter på et hvilket som helst sprog — Skimle analyserer dem på originalsproget og skaber alligevel en samlet temastruktur. Særligt nyttigt ved EU-dækkende høringer, global markedsanalyse og flersprogede akademiske studier. Ingen oversættelse nødvendig.
Ja. Upload engelske interviews, tyske rapporter og spanske spørgeskemasvar i samme projekt. Skimle laver temakategorier på tværs af sprog og bevarer samtidig citaterne på originalsproget til kontrol.
Skimle-tabellen er et interaktivt regneark, hvor hver række er et dokument (for eksempel ét interview) og hver kolonne en temakategori (for eksempel "prisbekymringer"). Cellerne indeholder udtrukne indsigter med direkte links til kildecitaterne. Strukturen gør det nemt at se mønstre på tværs af dokumenter, sammenligne segmenter og bore sig ned i bestemte emner.
Absolut. Skimles AI foreslår indledende kategorier ud fra dit materiale, men du har fuld kontrol til at slå sammen, opdele, omdøbe, slette eller oprette kategorier fra bunden. Du kan også angive din egen kategoristruktur på forhånd (for eksempel ud fra din interviewguide eller dit teoretiske rammeværk) og lade Skimle hente indsigter efter den.
Gennemsigtighed i begge retninger betyder, at du kan bevæge dig begge veje: (1) klik på et tema for at se alle understøttende citater på tværs af dokumenter, og (2) klik på et dokument for at se alle temaer, der er udtrukket af det. Hver beslutning, AI'en træffer, kan spores — ingen sorte bokse. Det er dette, der gør en Skimle-understøttet analyse forsvarlig i akademiske, kommercielle og myndighedsmæssige sammenhænge.
Skimles chatgrænseflade kender dine strukturerede data (temaer, kategorier, metadata). Du kan stille spørgsmål som "Hvad siger erhvervskunderne om prissætningen?" eller "Hvordan adskiller holdningerne sig mellem regioner?" AI'en svarer ved hjælp af både de strukturerede temadata og de oprindelige dokumenter — hvilket giver dig mere præcise og kontekstnære svar end generiske RAG-chatbots.
Skimle Ask er et AI-drevet interviewværktøj, der lader dig indsamle kvalitative data i stor skala. Du tilføjer det som en Skimle Ask-datakilde i projektet, definerer interviewguiden, og Skimle fører strukturerede samtaler med deltagerne i deres eget tempo. Hvert svar bliver et dokument i samme projekt, så indsamling og tematisk analyse foregår i samme miljø — intet skal kopieres mellem værktøjer.
Ja. Skimle stiller et Model Context Protocol (MCP)-slutpunkt til rådighed på https://skimle.com/api/mcp. Ethvert MCP-kompatibelt værktøj — Claude Desktop, Cursor, Windsurf, Claude Code og andre — kan forbinde og bruge hele sættet af læse- og skriveværktøjer: gennemse dokumenter, søge i indsigter, omorganisere kategorier og mere. Godkendelse sker via OAuth (ingen token nødvendig) eller med en API-nøgle, du opretter i dine kontoindstillinger. Du vælger, hvilke projekter der skal eksponeres. Kreditterne deles med resten af Skimle — ingen særskilt fakturering.
Ja. Både Claude Code og Cowork understøtter MCP, så du kan forbinde dem med Skimle via slutpunktet https://skimle.com/api/mcp. Når forbindelsen er etableret, kan agenten liste dine projekter, søge i dokumenter, udforske kategorihierarkier, oprette og opdatere indsigter og gemme noter — alt sammen fra dit eget kode- eller skrivemiljø. Se siden om MCP-opsætning for trinvise instruktioner, eller læs vores trinvise guide til agentiske arbejdsgange.
Fra eksportcentret kan du lave Word (fyldige rapporter med temaer, citater og resuméer), PowerPoint (resuméer med temaopdeling), Excel (datatabeller med kodningsmatricer) og REFI-QDA — den standard for interoperabilitet, som NVivo, MAXQDA og ATLAS.ti genkender, så du om nødvendigt kan fortsætte med manuel kodning i et traditionelt QDA-værktøj. Alle eksporter bevarer kildehenvisninger og fuld sporbarhed.
Ja. Skimle Anonymise tilbyder AI-drevet pseudonymisering og anonymisering med konsistens på tværs af filer, seks kategorier af identifikatorer (navne, roller, steder, organisationer, datoer og øvrigt), justerbare transformationstilstande og en revisionsrapport i PDF. Det kører inde i dit projekt — du slår det til for en datakilde, og de anonymiserede dokumenter går direkte videre til analyse uden noget separat værktøj. Det dækker kravene i GDPR og HIPAA og leverer den dokumentation, etiske komitéer forventer.
Ja. Skimle er bygget af forskere til akademisk brug. Vores medstifter Henri Schildt er professor med over 30 publikationer, der bruger kvalitative metoder. Skimles tilgang er inspireret af etableret tematisk analyse (Braun & Clarke) og grounded theory (Gioia) — systematisk, gennemsigtigt og reproducerbart. Se vores anvendelse for akademiske forskere og vores guide til AI i akademisk kvalitativ forskning.
I stigende grad ja, hvis du oplyser om det. Beskriv din metode gennemsigtigt: "AI-understøttet kvalitativ kodning med Skimle, med manuel validering og forfining." Skimles fulde revisionskæde lader dig dokumentere præcis, hvordan temaerne blev udledt, hvilket opfylder fagfællebedømmelsens krav til metodisk stringens. Vores guide om AI i akademisk kvalitativ forskning gennemgår, hvordan du formulerer det i metodeafsnit og etiske ansøgninger.
Vi leverer på forespørgsel et forslag til, hvordan du henviser til værktøjet.
Ja. Eksportér din kodningsmatrix, lad en anden koder gennemgå en stikprøve af dokumenter manuelt, og beregn overensstemmelsen (Cohens kappa og lignende). Forskere kan bruge Skimle til den indledende kodning (90 % af arbejdet) og derefter validere med manuel gennemgang (10 % kvalitetskontrol).
Ja. Skimle understøtter induktiv kodning, hvor temaerne vokser frem af materialet i stedet for at være defineret på forhånd. Begynd med åben kodning (Skimle foreslår indledende kategorier), forfin derefter trinvist med aksial kodning (slå kategorier sammen og omorganisér dem), og udvikl teoretiske rammeværk. Processen afspejler manuel grounded theory, men fremskynder de mekaniske dele.
Hvert citat, AI'en genererer, verificeres mod kildedokumenterne. Hvis AI'en skaber tekst, der ikke findes ordret i dine dokumenter, markerer systemet det og beder om ny behandling, indtil der leveres verificerede citater. Desuden betyder den systematiske struktur, at du kan stikprøvekontrollere et hvilket som helst tema ved at gennemgå de citater, der understøtter det.
Skimles systematiske behandling analyserer hvert afsnit i hvert dokument, hvilket mindsker risikoen for oversete temaer sammenlignet med manuel kodning (hvor træthed og forudindtagethed påvirker dækningen). Vi anbefaler alligevel, at du gennemgår de AI-genererede temaer kritisk. AI'en foreslår, du validerer.
Ja. Skimle understøtter REFI-QDA-eksport, den standard for interoperabilitet, som NVivo, MAXQDA og ATLAS.ti genkender. Du kan begynde analysen i Skimle og fortsætte med manuel kodning i et traditionelt QDA-værktøj, eller bruge Skimle til at forkode et datasæt, før det overdrages til et team, der arbejder i NVivo.
Ja. Med det gratis niveau kan du analysere op til 400 sider og afprøve platformen. Perfekt til at prøve Skimle på et pilotprojekt, før du binder dig til et betalt abonnement. Se alle planer.
Dokumentanalyse bruger kreditter efter dokumentets længde. Én kredit rækker til at uploade omkring 2.000 tegn tekst, groft sagt én side. Abonnementerne indeholder en månedlig eller årlig kredittildeling, og der kan købes påfyldning efter behov.
Prissætningen begynder med et gratis niveau til at prøve tjenesten. Se hele prislisten. Virksomheds- og institutionslicenser fås med tilpasset prissætning — kontakt os, så fortæller vi mere.
Ja. Vi tilbyder rabatterede pakker til studerende og akademiske forskere. Dokumentation for akademisk status er påkrævet. Kontakt os, eller se fanen akademisk prissætning på prissiden.
Ja, når som helst i dine kontoindstillinger. Ved opgradering opkræves du den forholdsmæssige difference. Ved nedgradering træder ændringen i kraft ved næste faktureringsperiode.
Du kan købe påfyldning af kreditter når som helst eller opgradere til et højere niveau. Dine eksisterende projekter forbliver tilgængelige; du kan blot ikke analysere nye dokumenter, før du fylder kreditter på.
Ja. Vi tilbyder institutionslicenser til universiteter, forskningsinstitutter, konsulenthuse og myndigheder. Teamlicenser omfatter samarbejdsfunktioner, central fakturering, databehandleraftaler og mængderabatter. Kontakt os for institutionspriser.
Ja. Alle betalte abonnementer genererer fakturaer automatisk. Ved institutionelle indkøb, der kræver indkøbsordrer eller særlige faktureringsaftaler, kontakt vores salgsteam.
Ja. Adgang kræver login og logges. Vi følger branchestandarder for sikkerhed og udfylder gerne sikkerhedsspørgeskemaer for virksomhedskunder.
Alle data opbevares i Den Europæiske Union (skyservere i EU-regioner). Dine data forlader aldrig EU, hvilket sikrer GDPR-overholdelse og datasuverænitet for europæiske kunder.
Ja, fuldt ud. Vi overholder alle GDPR-krav: lovlig behandling, dataminimering, formålsbegrænsning, opbevaringsbegrænsning og de registreredes rettigheder. Vi leverer databehandleraftaler til institutionelle kunder. I projekter med deltageroplysninger hjælper Skimle Anonymise dig med at pseudonymisere eller anonymisere før analysen, hvilket mindsker din compliancerisiko yderligere.
Nej. Dine dokumenter og data bruges aldrig til at træne AI-modeller. Dit materiale forbliver privat og bruges udelukkende til din analyse.
Ja. Du kan når som helst slette enkelte projekter eller hele din konto i indstillingerne. Sletningen er permanent og øjeblikkelig. Vi beholder ingen kopier bagefter (bortset fra juridiske og regnskabsmæssige oplysninger som fakturaer).
Ja, for virksomhedskunder med særlige sikkerheds- eller compliancekrav. Vi kan idriftsætte Skimle i et dedikeret skymiljø eller drøfte muligheder for drift på egne servere. Kontakt os, så fortæller vi mere.
Forskere kan nævne Skimle i deres etiske ansøgninger under "værktøjer til dataanalyse", på samme måde som de ville nævne SPSS eller NVivo. Vi kan levere dokumentation om vores datahåndtering, sikkerhed og AI-processer til støtte for din ansøgning. Skimle Anonymise laver også en underskrevet revisionsrapport i PDF, der dokumenterer hver enkelt anvendt transformation — noget etiske komitéer i stigende grad forventer som bevis på grundig anonymisering.
Traditionelle værktøjer kræver manuel kodning af hvert tekststykke — systematisk, men tidskrævende (uger til måneder). Skimle automatiserer kodningen med AI og bevarer samtidig den samme systematiske og gennemsigtige metode. Du får NVivo-kvalitet i grundighed i AI'ens tempo. Skimles brugerflade er også mere intuitiv og skybaseret, og den eksporterer til REFI-QDA, så projekter kan flyttes mellem værktøjer. Se hele vores sammenligning af QDA-værktøjer.
Dovetail er lavet til produktteams, der laver lettere UX-undersøgelser, med AI-funktioner bygget ovenpå. Skimle er bygget fra bunden til grundig kvalitativ analyse med akademisk metode. Hvis du skal forsvare dine fund i en fagfællebedømmelse, præsentere dem for skeptiske ledere eller håndtere fortroligt materiale i overensstemmelse med GDPR, giver Skimle den struktur og gennemsigtighed, de situationer kræver. Læs hele sammenligningen Skimle mod Dovetail.
Det kan du, men du støder hurtigt på begrænsninger: uensartede svar (stil det samme spørgsmål to gange og få forskellige svar), ingen systematisk dækning (indsigter, der ikke semantisk matcher dit spørgsmål, kan blive overset), ingen sporbarhed (du kan ikke vise, hvor konklusionerne kom fra), og et begrænset kontekstvindue, der kæmper med mere end 20 dokumenter. Til hurtige resuméer af et eller to dokumenter fungerer almindelige AI-værktøjer. Til systematisk analyse, brug Skimle. Læs mere om, hvor sprogmodelbaseret analyse virker, og hvor den svigter.
Ved små projekter (færre end 10 interviews) er manuel læsning helt fin. Men når omfanget vokser: (1) tiden eksploderer — 20 interviews = over 40 timers manuel kodning; (2) konsekvensen falder — træthed og forudindtagethed påvirker senere dokumenter anderledes end de første; (3) mønstergenkendelsen svækkes — det er svært at holde 50 interviews i hovedet på én gang. Skimle fastholder kvaliteten, når omfanget vokser, og frigør din tid til den egentlige analyse i stedet for mekanisk kodning.