Skimle is een AI-platform voor kwalitatieve data-analyse dat ongestructureerde documenten (interviews, bestanden uit een dataroom, klantopmerkingen, reacties op publieke consultaties, juridische documenten enzovoort) omzet in geordende, analyseerbare datasets. Anders dan chatbots die willekeurige passages ophalen, verwerkt Skimle uw volledige documentenset systematisch: het analyseert elk onderdeel, haalt inzichten eruit en ordent die in hiërarchische themataxonomieën met volledige herleidbaarheid. Lees hoe Skimle werkt voor een volledig overzicht.
Skimle is gebouwd voor kenniswerkers die kwalitatieve data analyseren: academische onderzoekers die thematische analyses uitvoeren, managementconsultants die expertinterviews samenvatten, beleidsanalisten die publieke consultaties verwerken, marktonderzoekers die klantfeedback analyseren, HR-teams die medewerkersonderzoeken uitvoeren, en iedereen die systematische, verdedigbare inzichten uit ongestructureerde data nodig heeft.
De meeste eenvoudige AI-analysetools gebruiken RAG (Retrieval-Augmented Generation) om relevante passages op te halen op het moment dat u een vraag stelt, waardoor u bij dezelfde vraag telkens een ander antwoord krijgt. Skimle verwerkt uw volledige dataset vooraf en systematisch, en bouwt zo een stabiele structuur waarin elk thema gekoppeld is aan geverifieerde citaten. U krijgt volledige dekking, consistente resultaten en volledige herleidbaarheid in plaats van antwoorden uit een black box. Lees meer over waarom RAG-tools tekortschieten voor serieuze analyse.
Nee. Skimle is ontworpen voor onderzoekers en analisten, niet voor programmeurs. De interface is intuïtief (denk aan een spreadsheet plus een documentviewer) en alle AI-verwerking gebeurt automatisch. Als u Google Docs en Excel kunt gebruiken, kunt u Skimle gebruiken.
De meeste gebruikers zijn binnen 15 tot 30 minuten productief. Voeg uw bestanden toe als databron, start een analyse en beoordeel en verfijn daarna de door AI gegenereerde thema's: de werkwijze is eenvoudig. Anders dan traditionele software voor kwalitatieve analyse (NVivo, ATLAS.ti), die weken kan kosten om onder de knie te krijgen, is de interface van Skimle ontworpen om direct productief te zijn.
Skimle accepteert PDF, .docx, TXT, RTF, audiobestanden (MP3, M4A, WAV) en videobestanden (MP4, MOV). U voegt elk type toe als databron; audio en video worden automatisch door Skimle getranscribeerd voordat de analyse begint, zodat uw hele werkwijze op één plek blijft. U kunt formaten combineren in één project.
Ja. De ingebouwde transcriptie van Skimle verwerkt MP3-, M4A-, WAV-, MP4- en MOV-bestanden. Voeg uw opname toe als databron voor audio of video en Skimle transcribeert die voordat de analyse begint, met een optionele stap om het transcript eerst te controleren en te corrigeren. Citaten blijven herleidbaar tot de bron, dus een aparte transcriptiedienst is niet nodig.
Duizenden documenten per project. De meeste toepassingen omvatten 10 tot 200 documenten (gangbare onderzoeken, consultancyprojecten, beleidsconsultaties), maar Skimle schaalt mee naar grote documentensets, zoals reviews van datarooms of uitgebreide literatuuranalyses.
Meer dan 100 talen. Upload documenten in elke taal: Skimle analyseert ze in de oorspronkelijke taal en bouwt tegelijk een uniforme themastructuur op. Bijzonder nuttig voor EU-brede consultaties, wereldwijd marktonderzoek of meertalige academische studies. Vertalen is niet nodig.
Ja. Upload Engelse interviews, Duitse rapporten en Spaanse enquêteantwoorden in hetzelfde project. Skimle maakt taaloverstijgende themacategorieën en bewaart de citaten in de oorspronkelijke taal voor verificatie.
De Skimle-tabel is een interactieve spreadsheet waarin elke rij een document is (bijvoorbeeld één interview) en elke kolom een themacategorie (bijvoorbeeld ‘zorgen over de prijs’). De cellen bevatten de gevonden inzichten met directe links naar de broncitaten. Deze structuur maakt het eenvoudig om patronen over documenten heen te zien, segmenten te vergelijken en in specifieke onderwerpen te duiken.
Zeker. De AI van Skimle stelt op basis van uw data eerste categorieën voor, maar u heeft volledige controle om categorieën samen te voegen, te splitsen, te hernoemen, te verwijderen of helemaal zelf aan te maken. U kunt ook vooraf uw eigen categoriestructuur opgeven (bijvoorbeeld op basis van uw interviewleidraad of theoretisch kader) en Skimle de inzichten daarop laten afstemmen.
Tweerichtingstransparantie betekent dat u in beide richtingen kunt navigeren: (1) klik op een thema om alle onderbouwende citaten uit alle documenten te zien, en (2) klik op een document om alle thema's te zien die eruit zijn gehaald. Elke beslissing van de AI is herleidbaar: geen black boxes. Dat maakt analyse met Skimle verdedigbaar in academische, commerciële en regelgevende contexten.
De chatinterface van Skimle kent uw gestructureerde data (thema's, categorieën, metadata). U kunt vragen stellen als ‘Wat zeggen enterpriseklanten over de prijs?’ of ‘Hoe verschillen de meningen per regio?’ De AI antwoordt op basis van zowel de gestructureerde themadata als de oorspronkelijke documenten, wat nauwkeurigere antwoorden in context oplevert dan generieke RAG-chatbots.
Skimle Ask is een AI-interviewtool waarmee u kwalitatieve data op schaal verzamelt. U voegt het toe als Skimle Ask-databron in uw project, stelt de interviewleidraad op en Skimle voert asynchroon gestructureerde gesprekken met deelnemers. Elk antwoord wordt een document in hetzelfde project, zodat dataverzameling en thematische analyse in één omgeving plaatsvinden, zonder knippen en plakken tussen tools.
Ja. Skimle biedt een Model Context Protocol (MCP)-endpoint op https://skimle.com/api/mcp. Elke MCP-compatibele tool (Claude Desktop, Cursor, Windsurf, Claude Code en andere) kan verbinding maken en de volledige set lees- en schrijftools gebruiken: documenten doorbladeren, inzichten doorzoeken, categorieën herordenen en meer. Authenticatie verloopt via OAuth (geen token nodig) of via een API-sleutel die u in uw accountinstellingen aanmaakt. U kiest zelf welke projecten u beschikbaar stelt. Credits worden gedeeld met de rest van Skimle: er is geen aparte facturering.
Ja. Claude Code en Cowork ondersteunen allebei MCP, dus u kunt ze met Skimle verbinden via het endpoint https://skimle.com/api/mcp. Na het verbinden kan de agent uw projecten weergeven, documenten doorzoeken, categoriehiërarchieën verkennen, inzichten aanmaken en bijwerken en notities opslaan, allemaal vanuit uw programmeer- of schrijfomgeving. Bekijk de MCP-installatiepagina voor stapsgewijze instructies of lees onze stapsgewijze gids voor agentische werkwijzen.
Vanuit het exportcentrum maakt u Word-bestanden (uitgebreide rapporten met thema's, citaten en samenvattingen), PowerPoint (managementsamenvattingen met een uitsplitsing per thema), Excel (datatabellen met codeermatrices) en REFI-QDA: de uitwisselingsstandaard die NVivo, MAXQDA en ATLAS.ti herkennen, zodat u zo nodig verder kunt met handmatig coderen in een traditionele QDA-tool. Alle exports behouden de bronvermelding en volledige herleidbaarheid.
Ja. Skimle Anonymise biedt pseudonimisering en anonimisering met AI, consistent over bestanden heen, met zes categorieën identificerende gegevens (namen, titels en functies, locaties, organisaties, datums en overige), instelbare transformatiemodi en een auditrapport in pdf. Het draait binnen uw project: u schakelt het in voor een databron en de geanonimiseerde documenten gaan rechtstreeks naar de analyse, zonder aparte tool. Zo voldoet u aan de eisen van de AVG en HIPAA en krijgt u de documentatie die ethische commissies en IRB's verwachten.
Ja. Skimle is gebouwd door academici voor academisch gebruik. Onze medeoprichter Henri Schildt is hoogleraar en heeft meer dan 30 publicaties op basis van kwalitatieve methoden op zijn naam. De aanpak van Skimle is geïnspireerd op gevestigde methodieken (thematische analyse van Braun & Clarke, grounded theory van Glaser & Strauss en Strauss & Corbin, en de Gioia-methode van Gioia, Corley & Hamilton): systematisch, transparant en reproduceerbaar. Bekijk onze toepassing voor academische onderzoekers en onze gids over AI in academisch kwalitatief onderzoek.
Steeds vaker wel, mits u het goed vermeldt. Beschrijf uw methodiek transparant: ‘AI-ondersteunde kwalitatieve codering met Skimle, met handmatige validatie en verfijning.’ Dankzij de volledige audit trail van Skimle kunt u precies documenteren hoe thema's tot stand zijn gekomen, wat voldoet aan de eisen die peer review stelt aan methodologische grondigheid. Onze gids over AI in academisch kwalitatief onderzoek laat zien hoe u dit verwoordt in methodesecties en ethische aanvragen.
Op verzoek leveren wij een voorgestelde verwijzingstekst.
Ja. Exporteer uw codeermatrix, laat een tweede codeur een steekproef van documenten handmatig beoordelen en bereken de overeenstemming (Cohens kappa en dergelijke). Onderzoekers kunnen Skimle gebruiken voor de eerste codering (90% van het werk) en die vervolgens valideren met een handmatige beoordeling (10% kwaliteitscontrole).
Ja. Skimle ondersteunt inductief coderen, waarbij thema's uit de data naar voren komen in plaats van vooraf vast te liggen. Begin met open coderen (Skimle stelt eerste categorieën voor), verfijn vervolgens stap voor stap met axiaal coderen (categorieën samenvoegen en herordenen) en ontwikkel theoretische kaders. Het proces volgt de handmatige grounded theory, maar versnelt de mechanische onderdelen.
Elk citaat dat door AI wordt gegenereerd, wordt gecontroleerd aan de hand van de brondocumenten. Als de AI tekst maakt die niet letterlijk in uw documenten voorkomt, markeert ons systeem dit en laat het de passage opnieuw verwerken tot er geverifieerde citaten zijn. Bovendien kunt u dankzij de systematische structuur elk thema steekproefsgewijs controleren aan de hand van de onderbouwende citaten.
De systematische verwerking van Skimle analyseert elk onderdeel van elk document, waardoor de kans op gemiste thema's kleiner is dan bij handmatig coderen (waar vermoeidheid en bias de dekking beïnvloeden). We raden u wel aan de door AI gegenereerde thema's kritisch te beoordelen. AI doet voorstellen, u valideert.
Ja. Skimle ondersteunt export naar REFI-QDA, de uitwisselingsstandaard die NVivo, MAXQDA en ATLAS.ti herkennen. U kunt een analyse beginnen in Skimle en verdergaan met handmatig coderen in een traditionele QDA-tool, of Skimle gebruiken om een dataset voor te coderen voordat u die overdraagt aan een team dat in NVivo werkt.
Ja. Met de gratis versie kunt u tot 400 pagina's analyseren om het platform te testen. Ideaal om Skimle uit te proberen met een pilotproject voordat u een betaald abonnement neemt. Bekijk alle abonnementen.
Documentanalyse verbruikt credits op basis van de lengte van het document. Met één credit kunt u ongeveer 2.000 tekens tekst uploaden, grofweg één pagina. Abonnementen bevatten een maandelijks of jaarlijks tegoed aan credits, met de mogelijkheid om indien nodig credits bij te kopen.
De prijzen beginnen met een gratis versie om te proberen. Bekijk alle prijzen. Enterprise- en instellingslicenties zijn beschikbaar tegen een prijs op maat; neem contact met ons op voor meer informatie.
Ja. We bieden pakketten met korting voor studenten en academische onderzoekers. Een bewijs van uw academische status is vereist. Neem contact met ons op of bekijk het tabblad met academische prijzen op de prijzenpagina.
Ja, op elk moment via uw accountinstellingen. Bij een upgrade betaalt u het naar rato berekende verschil. Bij een downgrade gaat de wijziging in bij uw volgende factuurperiode.
U kunt op elk moment credits bijkopen of overstappen naar een hoger abonnement. Uw bestaande projecten blijven toegankelijk; u kunt alleen geen nieuwe documenten analyseren totdat u credits toevoegt.
Ja. We bieden campuslicenties voor universiteiten, onderzoeksinstituten, adviesbureaus en overheidsinstanties. Teamlicenties omvatten samenwerkingsfuncties, centrale facturering, verwerkersovereenkomsten en volumekortingen. Neem contact met ons op voor prijzen voor instellingen.
Ja. Voor alle betaalde abonnementen worden automatisch facturen aangemaakt. Neem voor institutionele aankopen waarvoor een inkooporder of specifieke factuurafspraken nodig zijn contact op met ons salesteam.
Ja. Toegang wordt geauthenticeerd en gelogd. We volgen de gangbare beveiligingspraktijken in de sector en vullen graag beveiligingsvragenlijsten in voor enterpriseklanten.
Alle data wordt opgeslagen in de Europese Unie (cloudservers in EU-regio's). Uw data verlaat nooit de EU, wat naleving van de AVG en datasoevereiniteit voor Europese klanten waarborgt.
Ja, volledig. We voldoen aan alle eisen van de AVG: rechtmatige verwerking, dataminimalisatie, doelbinding, opslagbeperking en de rechten van betrokkenen. We bieden verwerkersovereenkomsten aan institutionele klanten. Voor projecten met gegevens van deelnemers helpt Skimle Anonymise u om vóór de analyse te pseudonimiseren of te anonimiseren, wat uw nalevingsrisico verder verkleint.
Nee. Uw documenten en data worden nooit gebruikt om AI-modellen te trainen. Uw data blijft privé en wordt uitsluitend gebruikt voor uw eigen analyse.
Ja. U kunt afzonderlijke projecten of uw hele account op elk moment verwijderen via uw instellingen. Verwijdering is definitief en direct. Na verwijdering bewaren wij geen kopieën (behalve juridische en boekhoudkundige gegevens zoals facturen).
Ja, voor enterpriseklanten met specifieke eisen op het gebied van beveiliging of naleving. We kunnen Skimle implementeren in een speciale cloudomgeving of on-premisesopties bespreken. Neem contact met ons op voor meer informatie.
Onderzoekers kunnen Skimle in hun IRB- of ethische aanvraag vermelden onder ‘tools voor data-analyse’, net zoals ze SPSS of NVivo zouden noemen. We kunnen documentatie leveren over onze gegevensverwerking, beveiliging en AI-processen ter ondersteuning van uw ethische aanvraag. Skimle Anonymise levert bovendien een ondertekend auditrapport in pdf waarin elke toegepaste transformatie is vastgelegd, wat ethische commissies steeds vaker verwachten als bewijs van grondige anonimisering.
Traditionele tools vereisen dat u elke passage handmatig codeert: systematisch, maar tijdrovend (weken tot maanden). Skimle gebruikt AI om het coderen te automatiseren en behoudt daarbij dezelfde systematische, transparante methodiek. U krijgt grondigheid van NVivo-niveau met de snelheid van AI. De interface van Skimle is bovendien intuïtiever en cloud-native, en exporteert naar REFI-QDA, zodat projecten tussen tools kunnen worden uitgewisseld. Bekijk onze volledige vergelijking van QDA-tools.
Dovetail is ontworpen voor productteams die licht UX-onderzoek doen, met daaraan toegevoegde AI-functies. Skimle is vanaf de basis gebouwd voor grondige kwalitatieve analyse met een methodiek van academisch niveau. Als u uw bevindingen moet verdedigen in peer review, moet presenteren aan sceptische bestuurders of vertrouwelijke data AVG-conform moet verwerken, biedt Skimle de structuur en transparantie die zulke situaties vragen. Lees de volledige vergelijking tussen Skimle en Dovetail.
Dat kan, maar u loopt al snel tegen beperkingen aan: inconsistente antwoorden (stel twee keer dezelfde vraag en u krijgt verschillende antwoorden), geen systematische dekking (inzichten die semantisch niet bij uw vraag passen, kunnen worden gemist), geen herleidbaarheid (u kunt niet laten zien waar conclusies vandaan komen) en een beperkt contextvenster dat moeite heeft met meer dan 20 documenten. Voor snelle samenvattingen van een of twee documenten werken algemene AI-tools prima. Voor systematische analyse gebruikt u Skimle. Lees meer over waar analyse met LLM's werkt en waar niet.
Voor kleine projecten (minder dan 10 interviews) is handmatig lezen prima. Maar naarmate de schaal toeneemt: (1) loopt de tijd uit de hand: 20 interviews betekenen meer dan 40 uur handmatig coderen; (2) daalt de consistentie: vermoeidheid en bias beïnvloeden latere documenten anders dan eerdere; (3) lijdt de patroonherkenning: het is lastig om 50 interviews tegelijk in uw hoofd te houden. Skimle behoudt de kwaliteit op schaal en maakt uw tijd vrij voor echte analyse in plaats van mechanisch coderen.