Skimle ist eine KI-gestützte Plattform für qualitative Datenanalyse, die unstrukturierte Dokumente (Interviews, Dateien aus dem Datenraum, Kundenkommentare, Beiträge aus öffentlichen Konsultationen, juristische Dokumente und so weiter) in geordnete, auswertbare Datensätze verwandelt. Anders als Chatbots, die zufällige Textstellen abrufen, verarbeitet Skimle Ihren gesamten Dokumentbestand systematisch: Es analysiert jeden Abschnitt, extrahiert Erkenntnisse und ordnet sie in hierarchische Themenstrukturen mit lückenloser Nachvollziehbarkeit. Einen vollständigen Überblick finden Sie unter Wie Skimle funktioniert.
Skimle ist für Wissensarbeitende gemacht, die qualitative Daten auswerten: Forschende an Hochschulen, die thematische Analysen durchführen, Unternehmensberatungen, die Experteninterviews verdichten, Politikanalystinnen und -analysten, die öffentliche Konsultationen verarbeiten, Marktforschende, die Kundenrückmeldungen auswerten, HR-Teams, die Mitarbeitendenbefragungen durchführen, und alle, die systematische, belastbare Erkenntnisse aus unstrukturierten Daten brauchen.
Die meisten einfachen KI-Werkzeuge für Analyse nutzen RAG (Retrieval-Augmented Generation) und holen passende Textstellen erst zum Zeitpunkt der Frage, was bedeutet, dass Sie bei derselben Frage jedes Mal eine andere Antwort erhalten. Skimle verarbeitet Ihren gesamten Bestand vorab systematisch und schafft eine stabile Struktur, in der jedes Thema mit geprüften Zitaten verknüpft ist. Sie erhalten vollständige Abdeckung, gleichbleibende Ergebnisse und lückenlose Nachvollziehbarkeit statt Antworten aus einer Blackbox. Lesen Sie mehr dazu, warum RAG-basierte Werkzeuge für ernsthafte Analyse nicht genügen.
Nein. Skimle ist für Forschende und Analystinnen gemacht, nicht für Programmiererinnen und Programmierer. Die Oberfläche ist eingängig (denken Sie an Tabellenkalkulation plus Dokumentanzeige), und die gesamte KI-Verarbeitung läuft automatisch. Wer Google Docs und Excel bedienen kann, kann auch Skimle bedienen.
Die meisten Nutzenden arbeiten binnen 15 bis 30 Minuten produktiv. Fügen Sie Ihre Dateien als Datenquelle hinzu, starten Sie eine Analyse und prüfen und verfeinern Sie anschließend die von der KI erzeugten Themen — der Ablauf ist geradlinig. Anders als klassische Programme für qualitative Analyse (NVivo, ATLAS.ti), deren Einarbeitung Wochen dauern kann, ist die Oberfläche von Skimle auf sofortige Produktivität ausgelegt.
Skimle nimmt PDF, .docx, TXT, RTF, Audiodateien (MP3, M4A, WAV) und Videodateien (MP4, MOV) entgegen. Sie fügen jeden Typ als Datenquelle hinzu; bei Audio und Video transkribiert Skimle automatisch, bevor die Analyse beginnt, sodass Ihr gesamter Ablauf an einem Ort bleibt. Sie können Formate in einem Projekt mischen.
Ja. Die eingebaute Transkription von Skimle verarbeitet MP3-, M4A-, WAV-, MP4- und MOV-Dateien. Fügen Sie Ihre Aufnahme als Audio- oder Videodatenquelle hinzu, und Skimle transkribiert sie, bevor die Analyse beginnt — mit einem optionalen Schritt, um das Transkript zuvor zu prüfen und zu korrigieren. Zitate bleiben bis zur Quelle nachvollziehbar, sodass kein separater Transkriptionsdienst nötig ist.
Bis zu 1.000 Dokumente je Projekt. Die meisten Anwendungsfälle umfassen 10 bis 200 Dokumente (typische Forschungsstudien, Beratungsprojekte, Politikkonsultationen), doch Skimle skaliert auch für große Bestände wie Datenraumprüfungen oder umfassende Literaturanalysen.
Über 100 Sprachen. Laden Sie Dokumente in jeder Sprache hoch — Skimle analysiert sie in der Originalsprache und erzeugt dennoch eine einheitliche Themenstruktur. Besonders nützlich bei EU-weiten Konsultationen, globaler Marktforschung und mehrsprachigen wissenschaftlichen Studien. Eine Übersetzung ist nicht nötig.
Ja. Laden Sie englische Interviews, deutsche Berichte und spanische Umfrageantworten in dasselbe Projekt. Skimle bildet sprachübergreifende Themenkategorien und bewahrt zugleich die Zitate in der Originalsprache zur Überprüfung.
Die Skimle-Tabelle ist eine interaktive Tabelle, in der jede Zeile für ein Dokument steht (etwa ein Interview) und jede Spalte für eine Themenkategorie (etwa „Bedenken zur Preisgestaltung“). Die Zellen enthalten extrahierte Erkenntnisse mit direkten Verknüpfungen zu den Quellzitaten. Diese Struktur macht es leicht, Muster über Dokumente hinweg zu erkennen, Segmente zu vergleichen und in einzelne Themen einzutauchen.
Auf jeden Fall. Die KI von Skimle schlägt anhand Ihrer Daten erste Kategorien vor, aber Sie haben die volle Kontrolle: zusammenführen, teilen, umbenennen, löschen oder von Grund auf neu anlegen. Sie können auch vorab Ihre eigene Kategorienstruktur vorgeben (etwa auf Basis Ihres Interviewleitfadens oder theoretischen Rahmens) und Skimle die Erkenntnisse entsprechend herausarbeiten lassen.
Transparenz in beide Richtungen heißt, dass Sie sich in beide Richtungen bewegen können: (1) auf ein Thema klicken, um alle stützenden Zitate über alle Dokumente hinweg zu sehen, und (2) auf ein Dokument klicken, um alle daraus gewonnenen Themen zu sehen. Jede Entscheidung der KI ist nachvollziehbar — keine Blackbox. Genau das macht eine mit Skimle erstellte Analyse im wissenschaftlichen, kommerziellen und behördlichen Umfeld verteidigungsfähig.
Die Chat-Oberfläche von Skimle kennt Ihre strukturierten Daten (Themen, Kategorien, Metadaten). Sie können Fragen stellen wie „Was sagen Großkunden zur Preisgestaltung?“ oder „Wie unterscheiden sich die Meinungen nach Region?“ Die KI antwortet anhand der strukturierten Themendaten und der Originaldokumente — und liefert damit genauere, kontextbezogenere Antworten als allgemeine RAG-Chatbots.
Skimle Ask ist ein KI-gestütztes Interviewwerkzeug, mit dem Sie qualitative Daten in großem Umfang erheben. Sie fügen es Ihrem Projekt als Skimle-Ask-Datenquelle hinzu, legen den Interviewleitfaden fest, und Skimle führt strukturierte Gespräche mit den Teilnehmenden in deren eigenem Tempo. Jede Antwort wird zu einem Dokument im selben Projekt, sodass Erhebung und thematische Analyse in einer Umgebung stattfinden — nichts muss zwischen Werkzeugen kopiert werden.
Ja. Skimle stellt unter https://skimle.com/api/mcp einen Endpunkt für das Model Context Protocol (MCP) bereit. Jedes MCP-fähige Werkzeug — Claude Desktop, Cursor, Windsurf, Claude Code und andere — kann sich verbinden und den vollen Satz an Lese- und Schreibwerkzeugen nutzen: Dokumente durchsehen, Erkenntnisse durchsuchen, Kategorien umsortieren und mehr. Die Authentifizierung erfolgt über OAuth (ohne Token) oder über einen API-Schlüssel, den Sie in Ihren Kontoeinstellungen erzeugen. Sie entscheiden, welche Projekte zugänglich sind. Die Credits sind mit dem übrigen Skimle gemeinsam — keine getrennte Abrechnung.
Ja. Claude Code und Cowork unterstützen beide MCP, sodass Sie sie über den Endpunkt https://skimle.com/api/mcp mit Skimle verbinden können. Einmal verbunden, kann der Agent Ihre Projekte auflisten, dokumentübergreifend suchen, Kategorienhierarchien erkunden, Erkenntnisse anlegen und aktualisieren sowie Notizen speichern — alles aus Ihrer Programmier- oder Schreibumgebung heraus. Eine Schritt-für-Schritt-Anleitung finden Sie auf der MCP-Einrichtungsseite, oder lesen Sie unseren Schritt-für-Schritt-Leitfaden zu agentischen Abläufen.
Aus dem Exportbereich erzeugen Sie Word (ausführliche Berichte mit Themen, Zitaten und Zusammenfassungen), PowerPoint (Zusammenfassungen mit Themenaufschlüsselung), Excel (Datentabellen mit Codiermatrizen) und REFI-QDA — den Interoperabilitätsstandard, den NVivo, MAXQDA und ATLAS.ti erkennen, sodass Sie bei Bedarf in einem klassischen QDA-Werkzeug weiter von Hand codieren können. Alle Exporte behalten Quellenzuordnung und volle Nachvollziehbarkeit.
Ja. Skimle Anonymise bietet KI-gestützte Pseudonymisierung und Anonymisierung mit dateiübergreifender Konsistenz, sechs Kategorien von Personenangaben (Namen, Rollen, Orte, Organisationen, Daten und Sonstiges), einstellbaren Umwandlungsstufen und einem Prüfbericht als PDF. Es läuft innerhalb Ihres Projekts — Sie schalten es für eine Datenquelle ein, und die anonymisierten Dokumente fließen direkt in die Analyse, ganz ohne separates Werkzeug. Das deckt die Anforderungen von DSGVO und HIPAA ab und erzeugt die Dokumentation, die Ethikkommissionen und IRBs erwarten.
Ja. Skimle wird von Forschenden für die wissenschaftliche Nutzung gebaut. Unser Mitgründer Henri Schildt ist Professor mit über 30 Veröffentlichungen, die qualitative Methoden nutzen. Der Ansatz von Skimle ist von etablierten Methodiken der thematischen Analyse (Braun & Clarke) und der Grounded Theory (Gioia) inspiriert — systematisch, transparent und reproduzierbar. Sehen Sie unseren Anwendungsfall für Forschende an Hochschulen und unseren Leitfaden zu KI in der akademischen qualitativen Forschung.
Zunehmend ja, sofern Sie es offenlegen. Beschreiben Sie Ihre Methodik transparent: „KI-gestützte qualitative Codierung mit Skimle, mit manueller Validierung und Nachbearbeitung.“ Die lückenlose Prüfkette von Skimle erlaubt Ihnen zu dokumentieren, wie genau die Themen entstanden sind, was den methodischen Anforderungen der Begutachtung genügt. Unser Leitfaden zu KI in der akademischen qualitativen Forschung behandelt, wie Sie das in Methodenteilen und Ethikanträgen formulieren.
Auf Anfrage stellen wir Ihnen einen Zitationsvorschlag bereit.
Ja. Exportieren Sie Ihre Codiermatrix, lassen Sie eine zweite Person eine Stichprobe der Dokumente von Hand prüfen und berechnen Sie die Übereinstimmung (Cohens Kappa und Ähnliches). Forschende können Skimle für die erste Codierung nutzen (90 % der Arbeit) und anschließend mit manueller Prüfung validieren (10 % Qualitätskontrolle).
Ja. Skimle unterstützt induktives Codieren, bei dem die Themen aus den Daten entstehen statt vorab festgelegt zu werden. Beginnen Sie mit offenem Codieren (Skimle schlägt erste Kategorien vor), verfeinern Sie schrittweise durch axiales Codieren (Kategorien zusammenführen und umsortieren) und entwickeln Sie daraus theoretische Rahmen. Der Ablauf bildet die manuelle Grounded Theory nach, beschleunigt aber die mechanischen Anteile.
Jedes von der KI erzeugte Zitat wird gegen die Quelldokumente geprüft. Erzeugt die KI Text, der in Ihren Dokumenten nicht wörtlich vorkommt, meldet das System dies und fordert eine erneute Verarbeitung, bis geprüfte Zitate vorliegen. Zusätzlich erlaubt die systematische Struktur, jedes Thema stichprobenartig anhand seiner stützenden Zitate zu überprüfen.
Die systematische Verarbeitung von Skimle wertet jeden Abschnitt jedes Dokuments aus und verringert so das Risiko übersehener Themen gegenüber dem manuellen Codieren, bei dem Müdigkeit und Voreingenommenheit die Abdeckung beeinflussen. Wir empfehlen dennoch, die von der KI erzeugten Themen kritisch zu prüfen. Die KI schlägt vor, Sie bestätigen.
Ja. Skimle unterstützt den REFI-QDA-Export, den interoperablen Standard, den NVivo, MAXQDA und ATLAS.ti erkennen. Sie können die Analyse in Skimle beginnen und das manuelle Codieren in einem klassischen QDA-Werkzeug fortsetzen — oder mit Skimle einen Datensatz vorcodieren, bevor Sie ihn an ein Team übergeben, das mit NVivo arbeitet.
Ja. Mit der kostenlosen Stufe können Sie bis zu 400 Seiten auswerten und die Plattform testen. Ideal, um Skimle in einem Pilotprojekt auszuprobieren, bevor Sie sich für einen kostenpflichtigen Tarif entscheiden. Alle Tarife ansehen.
Die Dokumentenanalyse verbraucht Credits nach Länge des Dokuments. Ein Credit reicht für etwa 2.000 Zeichen Text, grob eine Seite. In den Abonnements ist ein monatliches oder jährliches Credit-Kontingent enthalten, und bei Bedarf lässt sich nachkaufen.
Die Preisgestaltung beginnt mit einer kostenlosen Stufe zum Ausprobieren. Zur vollständigen Preisübersicht. Unternehmens- und Institutionslizenzen gibt es zu individuellen Preisen — sprechen Sie uns an.
Ja. Wir bieten vergünstigte Pakete für Studierende und Forschende an. Ein Nachweis des akademischen Status ist erforderlich. Sprechen Sie uns an oder sehen Sie sich den Reiter für akademische Preise auf der Preisseite an.
Ja, jederzeit in Ihren Kontoeinstellungen. Beim Höherstufen wird die anteilige Differenz berechnet. Beim Herabstufen wird die Änderung zum nächsten Abrechnungszeitraum wirksam.
Sie können jederzeit Credits nachkaufen oder auf eine höhere Stufe wechseln. Ihre bestehenden Projekte bleiben zugänglich; Sie können lediglich keine neuen Dokumente auswerten, bis Sie Credits ergänzen.
Ja. Wir bieten Campuslizenzen für Universitäten, Forschungsinstitute, Beratungsfirmen und Behörden. Teamlizenzen umfassen Funktionen für die Zusammenarbeit, zentrale Abrechnung, Auftragsverarbeitungsverträge und Mengenrabatte. Sprechen Sie uns an für institutionelle Preise.
Ja. Alle kostenpflichtigen Tarife erzeugen automatisch Rechnungen. Für institutionelle Beschaffungen mit Bestellnummern oder besonderen Abrechnungsvorgaben wenden Sie sich an unser Vertriebsteam.
Ja. Der Zugriff ist authentifiziert und wird protokolliert. Wir folgen den branchenüblichen Sicherheitsstandards und füllen für Unternehmenskundschaft gern Sicherheitsfragebögen aus.
Alle Daten werden in der Europäischen Union gespeichert (Cloud-Server in EU-Regionen). Ihre Daten verlassen die EU nie, was DSGVO-Konformität und Datensouveränität für europäische Kundschaft sicherstellt.
Ja, vollständig. Wir erfüllen alle Anforderungen der DSGVO: rechtmäßige Verarbeitung, Datenminimierung, Zweckbindung, Speicherbegrenzung und Betroffenenrechte. Für institutionelle Kundschaft stellen wir Auftragsverarbeitungsverträge (AVV) bereit. Bei Projekten mit Daten von Teilnehmenden hilft Ihnen Skimle Anonymise, vor der Analyse zu pseudonymisieren oder zu anonymisieren, und verringert Ihr Compliance-Risiko weiter.
Nein. Ihre Dokumente und Daten werden nie zum Training von KI-Modellen verwendet. Ihr Material bleibt privat und wird ausschließlich für Ihre Analyse genutzt.
Ja. Sie können einzelne Projekte oder Ihr gesamtes Konto jederzeit in Ihren Einstellungen löschen. Die Löschung ist endgültig und sofort wirksam. Wir behalten danach keine Kopien (mit Ausnahme rechtlicher und buchhalterischer Unterlagen wie Rechnungen).
Ja, für Unternehmenskundschaft mit besonderen Sicherheits- oder Compliance-Anforderungen. Wir können Skimle in einer dedizierten Cloud-Umgebung betreiben oder On-Premises-Optionen besprechen. Sprechen Sie uns an für Einzelheiten.
Forschende können Skimle in ihren Ethikanträgen unter „Werkzeuge zur Datenauswertung“ aufführen, so wie sie SPSS oder NVivo nennen würden. Wir stellen Ihnen zur Unterstützung Ihres Antrags Unterlagen zu unserer Datenverarbeitung, Sicherheit und zu unseren KI-Prozessen bereit. Skimle Anonymise erzeugt zudem einen signierten Prüfbericht als PDF, der jede vorgenommene Umwandlung dokumentiert — etwas, das Ethikkommissionen zunehmend als Nachweis sorgfältiger Anonymisierung erwarten.
Klassische Werkzeuge verlangen das manuelle Codieren jeder Textstelle — systematisch, aber zeitaufwendig (Wochen bis Monate). Skimle automatisiert das Codieren mit KI und behält dabei dieselbe systematische, transparente Methodik bei. Sie erhalten die Gründlichkeit von NVivo im Tempo der KI. Die Oberfläche von Skimle ist zudem eingängiger und für die Cloud gebaut, und es exportiert nach REFI-QDA, sodass Projekte zwischen Werkzeugen wandern können. Sehen Sie unseren vollständigen Vergleich der QDA-Werkzeuge.
Dovetail ist für Produktteams gemacht, die leichtgewichtige UX-Forschung betreiben, mit nachträglich ergänzten KI-Funktionen. Skimle ist von Grund auf für gründliche qualitative Analyse mit wissenschaftlicher Methodik gebaut. Wenn Sie Ihre Ergebnisse in einer Begutachtung verteidigen, skeptischen Führungskräften vorstellen oder vertrauliches Material DSGVO-konform verarbeiten müssen, bietet Skimle die Struktur und Transparenz, die solche Situationen verlangen. Lesen Sie den vollständigen Vergleich Skimle und Dovetail.
Sie können das tun, stoßen aber schnell an Grenzen: uneinheitliche Antworten (dieselbe Frage zweimal gestellt, zwei verschiedene Antworten), keine systematische Abdeckung (Erkenntnisse, die semantisch nicht zu Ihrer Frage passen, können untergehen), keine Nachvollziehbarkeit (Sie können nicht zeigen, woher Schlüsse stammen) und ein begrenztes Kontextfenster, das bei mehr als 20 Dokumenten an seine Grenzen kommt. Für schnelle Zusammenfassungen von ein oder zwei Dokumenten taugen allgemeine KI-Werkzeuge. Für systematische Analyse nehmen Sie Skimle. Lesen Sie mehr dazu, wo LLM-basierte Analyse funktioniert und wo sie scheitert.
Bei kleinen Projekten (weniger als 10 Interviews) ist manuelles Lesen völlig in Ordnung. Doch mit wachsendem Umfang: (1) explodiert der Zeitbedarf — 20 Interviews = über 40 Stunden manuelles Codieren; (2) sinkt die Konsistenz — Müdigkeit und Voreingenommenheit wirken sich auf spätere Dokumente anders aus als auf frühe; (3) leidet die Mustererkennung — 50 Interviews gleichzeitig im Kopf zu behalten ist kaum möglich. Skimle hält die Qualität auch bei wachsendem Umfang und gibt Ihnen Zeit für die eigentliche Analyse statt für mechanisches Codieren.