Generativ AI til tekstgenerering: Sådan øger SMV'er produktiviteten i 2026

Hvis du kører en mindre virksomhed, har du sandsynligvis mærket det: tiden til tekstbaserede opgaver forsvinder. Emailer, rapporter, kundeservice-svar, indholdsproduktion — det hele tager tid, som du egentlig skulle bruge på at vokse din forretning. Her kommer generativ AI til tekstgenerering ind i billedet. I 2026 er det ikke længere science fiction — det er et praktisk værktøj, som tusindvis af danske SMV'er allerede bruger til at øge deres produktivitetsgevinst betydeligt.

Jeg har arbejdet med AI-implementeringer i små og mellemstore virksomheder i flere år nu, og det jeg ser igen og igen, er at tekstgenerering ofte er det første sted, hvor virksomheder oplever konkrete, målbare resultater. En virksomhed kan spare 30-60% af tiden på rutineopgaver — uden at skulle investere i dyr infrastruktur eller ansætte nye mennesker. Men det kræver at du ved, hvad du gør, og hvordan du undgår de almindelige faldgruber.

I denne artikel dykker jeg ned i hvordan generativ AI tekstgenerering kan øge SMV'ers produktivitet konkret og praktisk. Du får indsigt i hvilke værktøjer der virker bedst, hvordan du implementerer det rigtigt, og hvad du skal være opmærksom på juridisk og etisk.

Hvad er generativ AI til tekstgenerering?

Lad mig starte med det grundlæggende. Generativ AI til tekstgenerering handler om at bruge kunstig intelligens til at skabe ny tekst baseret på instruktioner eller eksempler. Det er ikke søgning på nettet eller copy-paste — det er en model, der har lært mønstre fra milliarder af ord, og som nu kan generere nye sætninger, afsnit eller hele dokumenter, der føles naturlige og relevante.

Teknisk set bygger dette på noget kaldet store sprogmodeller (Large Language Models eller LLM'er). Disse modeller er trænet på enorme mængder tekst fra hele verden. ChatGPT, Claude og Google Gemini er alle eksempler på store sprogmodeller. De fungerer ved at forudsige hvilket ord, der kommer næst baseret på konteksten — men de gør det så sofistikeret, at resultatet føles som hvis en intelligent menneske skrev det.

Forskellen mellem generativ AI og traditionel automation er vigtig at forstå. Traditionel automation handler om at automatisere præcist definerede processer — hvis A, så gør B. Generativ AI er mere fleksibel. Den kan håndtere nuancer, kontekst og kreativitet. Du kan bede den om at skrive en kundemail, der både er professionel og personlig. Du kan bede den om at opsummere en kompleks rapport. Du kan bede den om at generere ideer til en marketingkampagne. Det samme værktøj kan gøre 100 forskellige ting.

For danske SMV'er er dette særligt relevant, fordi vi ofte mangler ressourcer til at have dedikerede copywriters, content managers eller administrative assistenter. Generativ AI kan fungere som en virtuel medarbejder, der aldrig bliver træt, aldrig tager ferie, og som koster en brøkdel af en fuld stilling. Det betyder ikke at mennesker bliver overflødige — det betyder at dine medarbejdere kan fokusere på arbejde, der kræver menneskelig vurdering, kreativitet og empati.

Konkrete produktivitetsgevinster for SMV'er

Lad os tale om det, der betyder mest: hvor meget tid og penge kan du faktisk spare? Jeg har set virksomheder med 10-50 medarbejdere spare alt fra 2-4 timer dagligt på tekstbaserede opgaver. Det lyder ikke af meget, men over et år svarer det til 1-2 årsværker. Hvis du betaler en medarbejder 400.000 kroner årligt, er det altså 400.000-800.000 kroner i direkte besparelse.

Emailkorrespondance og kundeservice

Dette er ofte det første område, hvor SMV'er ser resultater. De fleste virksomheder bruger 1-2 timer dagligt på at skrive og besvare emails. Med generativ AI kan du:

Generere første udkast til kundeemails — du redigerer og sender
Automatisere svar på hyppige kundesporsmål
Oversætte kundemails til dansk eller engelsk hurtigt
Skabe email-templates til forskellige situationer

En kundeservicemedarbejder kan typisk håndtere 30-40% flere henvendelser med AI-assistance. Jeg arbejdede med et firma, der solgte B2B-tjenester, og de reducerede tiden på kundeemails fra 3 timer dagligt til under 1 time ved at bruge AI til at generere første udkast. Medarbejderne kontrollerede stadig alt, men de skulle ikke længere skrive fra bunden hver gang.

Rapporter og dokumentation

Hvor meget tid bruger du på at skrive måneds- eller kvartalsrapporter? På at dokumentere processer? På at skrive mødereferater? For mange SMV'er er svaret: for meget. Generativ AI kan:

Opsummere møter og generere referater baseret på dine noter
Skabe rapporter baseret på data og KPI'er
Generere dokumentation af processer og procedurer
Oversætte rapporter til engelsk for internationale partnere

En virksomhed jeg arbejdede med brugte 6 timer månedligt på at skrive en kvartalsrapport til deres bestyrelse. Med AI kunne de reducere det til 1-2 timer — resten var bare at input data og lad modellen skrive. Kvaliteten var høj, og det var faktisk mere struktureret end før.

Content marketing og SEO-optimering

Hvis du kører en blog eller skal producere indhold til markedsføring, er generativ AI en game-changer. Du kan:

Generere blogpost-ideer og første udkast
Skabe SEO-optimerede produktbeskrivelser
Producere sociale medie-indhold i større mængder
Skrive og optimere meta-descriptions og headlines

En dansk e-commerce-virksomhed med 200+ produkter brugte tidligere 2-3 timer per produkt på at skrive beskrivelser. Med AI kunne de reducere det til 20 minutter per produkt — medarbejderne skulle bare redigere og kvalitetskontrollere. Det betyder at de kunne opdatere hele kataloget på nogle få dage i stedet for flere uger.

Målbare resultater og ROI-beregning

Hvordan beregner du ROI? Det er faktisk ret simpelt. Tag udgangspunkt i disse tal:

Tidsbesparelse: Estimér hvor mange timer per uge dine medarbejdere bruger på tekstbaserede opgaver
Værdi per time: Hvad koster en medarbejders time? (løn + overhead)
Værktøjsomkostning: ChatGPT Plus koster 200 kroner/måned, specialiserede værktøjer 500-2000 kroner/måned
Beregning: (Timer sparet per uge × 52 × værdi per time) - årlig værktøjsomkostning

Eksempel: Hvis en medarbejder sparer 5 timer per uge på tekstopgaver, og deres time er værd 300 kroner (løn + overhead), så sparer du 78.000 kroner årligt. Minus 2.400 kroner for ChatGPT Plus = 75.600 kroner i netto-gevinst. Det er ROI på omkring 3.000%.

De bedste AI-værktøjer til tekstgenerering for SMV'er

Der er mange værktøjer derude. Jeg skal være ærlig: nogle er overhypet, andre er fantastiske. Her er hvad jeg konkret anbefaler baseret på hvad jeg ser virker for danske SMV'er.

ChatGPT Plus og gratis alternativer

ChatGPT Plus (200 kroner/måned) er stadig et af de bedste valg for SMV'er. Du får adgang til GPT-4, som er betydeligt bedre end GPT-3.5 til nuanceret dansk tekstgenerering. Du kan også bruge GPT-4 Turbo, som er hurtigere. For de fleste SMV'er er ChatGPT Plus et no-brainer — det er billigt, det virker godt, og det har en intuitiv interface.

Hvis du ikke vil betale, er ChatGPT gratis (med GPT-3.5) stadig brugbart til simple opgaver. Google Gemini er også gratis og fungerer godt til dansk. OpenAI's gratis tier er dog begrænset til 3 forespørgsler per time, så det er ikke praktisk for daglig brug i en virksomhed.

Claude og Gemini til professionel brug

Claude 3 (fra Anthropic) er min personlige favorit til længere, mere komplekse tekster. Den er særligt god til at forstå kontekst og nuancer. Claude koster omkring 200-300 kroner/måned afhængigt af brug. Hvis du skal skrive længere dokumenter, rapporter eller kompleks copywriting, er Claude ofte bedre end ChatGPT.

Google Gemini (gratis eller via Google One) fungerer fint til dansk. Det er integreret med Google Workspace, hvilket betyder at du kan bruge det direkte i Google Docs og Gmail. For virksomheder, der allerede bruger Google, er det praktisk.

Specialiserede værktøjer til copywriting og SEO

Hvis du har mere specifikke behov, kan det betale sig at kigge på specialiserede værktøjer:

Jasper.ai (omkring 1.000 kroner/måned) — fokuseret på markedsføring og copywriting. God til at generere annoncer, emails og sociale medie-indhold.
Copy.ai (omkring 500 kroner/måned) — lignende til Jasper, men billigere. Godt til hurtigt at generere forskellige variationer af tekst.
Surfer SEO (omkring 800 kroner/måned) — kombinerer AI tekstgenerering med SEO-analyse. Hvis du skriver blogposts, er det værd at kigge på.

Disse værktøjer har ofte templates specifikt til copywriting, hvilket betyder at du kan få bedre resultater hurtigere. Men de er også dyrere, og for de fleste SMV'er er ChatGPT eller Claude ofte nok.

Danske løsninger og regional support

Der er nogle danske virksomheder, der bygger AI-værktøjer specifikt til dansk marked. Nogle af dem fokuserer på GDPR-compliance og dansk kundesupport. Eksempler inkluderer nogle af de lokale AI-agenturer, der tilbyder "AI as a service" hvor de sætter værktøjerne op for dig og træner dine medarbejdere.

Min anbefaling: start med et generelt værktøj som ChatGPT eller Claude. Hvis du senere har brug for specialiseret support eller integration, kan du altid skifte. De fleste danske SMV'er har ikke behov for custom løsninger i starten.

Prissammenligninger og funktionalitet

Her er en hurtig oversigt over hvad du får for pengene:

ChatGPT Plus: 200 kr/måned — bedst til generelt brug, dansk support er ok
Claude 3: 200-300 kr/måned — bedst til længere tekster og kompleks kontekst
Google Gemini: Gratis eller 79 kr/måned — bedst hvis du bruger Google Workspace
Jasper: 1.000+ kr/måned — bedst til markedsføring hvis du vil have templates
Copy.ai: 500+ kr/måned — billigere alternativ til Jasper

For en typisk SMV med 10-50 medarbejdere anbefaler jeg at starte med ChatGPT Plus for alle, eller en blanding af ChatGPT Plus og Claude. Det giver dig fleksibilitet, og du kan eksperimentere med hvad der virker bedst for dine use cases.

Sådan implementerer du tekstgenerering i din SMV

At have det rigtige værktøj er kun halvdelen af jobbet. Du skal også implementere det rigtigt. Jeg har set for mange virksomheder købe ChatGPT Plus og så bare... ikke bruge det ordentligt. Her er hvordan du gør det rigtigt.

Identificering af processer der kan automatiseres

Før du implementerer noget som helst, skal du identificere hvilke processer, der er gode kandidater til tekstgenerering. Gode kandidater er:

Opgaver, der tager 30+ minutter per dag
Opgaver, der er repetitive eller følger et mønster
Opgaver, der ikke kræver meget kreativitet eller menneskelig vurdering
Opgaver, hvor der er høj tolerans for små fejl (fordi du kan redigere)

Dårlige kandidater er opgaver, der kræver meget kontekst, juridisk præcision, eller hvor fejl er kritiske. En kundemail kan genereres og redigeres. En juridisk kontrakt bør ikke genereres uden advokat-review.

Mit råd: start med 3-5 konkrete use cases. Emailsvar, rapporter, blogposts, produktbeskrivelser — noget hvor du kan se resultater hurtigt. Når du har success med dem, kan du udvide til andre områder.

Prompt engineering og best practices

Her er hvor mange virksomheder fejler. De skriver dårlige prompts og får dårlige resultater. En god prompt er specifik, kontekstuel og klar. Eksempel:

Dårlig prompt: "Skriv en email til en kunde"

God prompt: "Skriv en professionel men venlig email til en kunde, der har spurgt om forsinkelse på deres ordre. Ordren er forsinket med 3 dage på grund af leverandørproblemer. Vi tilbyder 10% rabat på deres næste køb som undskyldning. Emailen skal være omkring 100-150 ord og skal afsluttes med 'Med venlig hilsen, [Mit navn]'."

Gode praksis for prompts:

Vær specifik om kontekst og formål
Giv eksempler på tone og stil, hvis muligt
Specificer længde og format
Hvis du skal bruge samme prompt flere gange, gem den som en template
Eksperimenter med forskellige formuleringer — nogle virker bedre end andre

En ting jeg ofte gør: jeg skriver først en email manuelt, viser den til AI'en, og siger "skriv i denne stil". Det giver modellen meget bedre kontekst.

Integration med eksisterende systemer

For nogle SMV'er er integration vigtig. Hvis du bruger CRM, email-platform eller andre systemer, kan du integrere AI tekstgenerering direkte ind i dine workflows. Eksempler:

Zapier kan forbinde ChatGPT med Google Sheets, email, Slack osv.
Make.com (tidligere Integromat) har lignende integrationer
Hvis du bruger Google Workspace, kan du bruge Gemini direkte i Docs og Gmail
Nogle CRM-systemer har built-in AI-features (Salesforce, HubSpot)

Min anbefaling for de fleste SMV'er: start uden integration. Lær værktøjet grundigt først. Når du ved præcist hvad du vil bruge det til, kan du automatisere workflows senere.

Træning af medarbejdere

Dette er kritisk. Hvis dine medarbejdere ikke ved hvordan de skal bruge AI, bliver det ikke brugt. Jeg anbefaler:

En 1-2 times workshop hvor du viser konkrete eksempler fra deres daglige arbejde
Opret en intern guide eller checkliste for hvordan man bruger værktøjet
Lav nogle templates/prompts, som medarbejderne kan kopiere og tilpasse
Giv dem tid til at eksperimentere uden at det påvirker deres daglige arbejde
Følg op efter 2-4 uger for at se hvor de bruger det, og hvor de har problemer

Modstand mod AI er normalt. Nogle medarbejdere frygter at blive erstattet. Vær transparent: AI erstatter ikke mennesker, det erstatter opgaver. Mennesker, der bruger AI, vil være mere produktive og skal bruge mindre tid på rutineopgaver. Det betyder at de kan fokusere på vigtigere arbejde.

Kvalitetskontrol og review-processer

AI-genereret tekst skal altid gennemgås af et menneske før den bruges. Jeg siger det igen: altid. AI kan lave fejl. Den kan hallucinate (opfinde fakta). Den kan være grammatisk forkert. Den kan være upassende.

Etabler en review-proces:

Ansvarlig person læser al AI-genereret tekst før den sendes/publiceres
Tjek for faktuel korrekthed (særligt vigtig hvis AI skal bruge data)
Tjek at tonen passer til din brand
Tjek at der ikke er personlige eller følsomme informationer, der ikke burde være der
For vigtige dokumenter: få en anden person til at review også

Hvor lang tid tager review? Typisk 20-30% af tiden det ville tage at skrive fra bunden. Så hvis AI sparer dig 70% af tiden, er netto-besparelse omkring 50%. Det er stadig enormt.

Compliance og etiske overvejelser

Her bliver det mere juridisk. I Danmark og EU skal du følge nogle regler når du bruger AI. Jeg skal være ærlig: dette område er stadig i udvikling, og reglerne bliver skrappere. Men her er hvad du skal vide i 2026.

EU AI Act og tekstgenerering

EU AI Act (som træder i kraft fuldt ud i 2026) klassificerer AI-systemer efter risiko. Tekstgenerering til de fleste SMV use cases er klassificeret som "minimal risk" eller "limited risk". Det betyder at du ikke har de samme strenge krav som for f.eks. AI der bruges til at træffe vigtige beslutninger om mennesker.

Men du skal stadig:

Dokumentere at du bruger AI
Være transparent over for brugere/kunder når indholdet er AI-genereret (særligt vigtig for marketing og vigtige beslutninger)
Have en policy for hvordan du bruger AI
Sikre at AI-systemerne er reliable og ikke producerer ulovligt indhold

Min praktiske anbefaling: dokumenter hvor du bruger AI i din virksomhed. Hvis du skriver en blog-post med AI, noter det. Hvis du bruger AI til at generere kundeemails, noter det. Du behøver ikke at være paranoid, men du skal have styr på det.

Dette er vigtig. Når du bruger ChatGPT eller Claude, sender du data til deres servere. Hvis du sender personlige data (kundenavne, email-adresser, CPR-numre osv.), skal du være meget forsigtig.

OpenAI og Anthropic siger at de ikke bruger dine data til at træne deres modeller (hvis du bruger Plus/Business versioner). Men data transmitteres stadig over internettet og opbevares på deres servere.

Min anbefaling:

Anonymisér data før du sender det til AI. I stedet for "Jens Hansen" skriver du "[Kundenavn]"
Undgå at sende følsomme data (CPR-numre, bank-info osv.) til AI-værktøjer
Hvis du skal bruge sensitive data, brug en on-premise løsning eller en løsning med GDPR-garantier
Have en databehandleraftale med AI-udbyder hvis du bruger det kommercielt

For de fleste SMV'er er ChatGPT Plus eller Claude helt fine. Du skal bare være opmærksom på hvad du sender ind.

Intellectual property og copyright

Et stort spørgsmål: hvem ejer teksten som AI genererer? Juridisk set ejer du det indhold som AI genererer baseret på dine instruktioner. Du kan bruge det kommercielt. Du kan sælge det. Du kan publicere det.

Men der er nogle nuancer:

Hvis AI-modellen blev trænet på copyright-beskyttet materiale (hvilket de fleste blev), kan der være juridiske spørgsmål. Men dette er stadig uafklaret juridisk.
Du skal sikre at AI-genereret tekst ikke direkte kopier fra træningsdata
Hvis du bruger AI til at skrive noget, der ligner en anden persons værk meget tæt, kan der være copyright-problemer

Min praktiske anbefaling: behandl AI-genereret tekst som hvis du selv havde skrevet det. Hvis du ville ikke kunne publicere det uden at det var copyright-krænkelse, så gør du det ikke med AI-tekst heller.

Transparens over for kunder

Skal du fortælle dine kunder at du bruger AI? Det afhænger af konteksten. For nogle formål er det lovpligtigt, for andre er det bare godt etik.

Du skal være transparent når:

AI bruges til at træffe vigtige beslutninger om kunden (f.eks. kreditvurdering)
Du bruger AI til marketing-indhold som skal påvirke købsbeslutninger
Det er påkrævet af lov eller regulering i din industri

Du bør være transparent når:

Du bruger AI til kundeservice (især hvis det er en chatbot)
Du publicerer længere indhold som er AI-genereret

Du kan være diskret når:

Du bruger AI internt til at øge produktivitet (dine medarbejdere ved det)
Du bruger AI til at generere første udkast som mennesker redigerer

Dokumentation af AI-brug

Dokumenter simpelthen hvor og hvordan du bruger AI. En simpel Excel-fil eller Google Sheet kan være nok:

Hvilken proces bruger AI?
Hvilken AI-model bruger du?
Hvem er ansvarlig for review?
Hvilke data bruges?
Er der compliance-krav?

Hvis der kommer en regulering eller juridisk spørgsmål, er det godt at kunne vise at du har tænkt over det og har etableret processer.

Typiske fejl og hvordan du undgår dem

Jeg har set det hele. Her er fejlene jeg ser igen og igen, og hvordan du undgår dem.

Over-afhængighed af AI uden kvalitetskontrol

Den største fejl: at bruge AI-tekst uden at læse den igennem. En virksomhed jeg kender sendte en kundemail som var genereret af AI uden review. Emailen indeholdt en fejl (AI skrev "vi kan ikke hjælpe" når den skulle skrive "vi kan helt sikkert hjælpe"). Kunden blev vred. Virksomhedens reputation tog skade.

Løsning: Altid review. Gør det til en regel. Ingen AI-tekst sendes uden at en menneske har læst den.

Manglende personalisering og kontekst

AI kan være generisk. Hvis du ikke giver den nok kontekst, får du dårlige resultater. Eksempel: "Skriv en email til en kunde" giver en generisk email. "Skriv en email til en kunde, der har været kunde i 5 år, køber typisk i marts, og denne gang vil vi tilbyde dem en eksklusiv rabat" giver en meget bedre email.

Løsning: Giv AI kontekst. Jo mere du fortæller den, jo bedre bliver resultatet.

Sikkerhedsbrud med følsomme data

En virksomhed uploadede kundelister med CPR-numre til ChatGPT for at få AI til at skrive personaliserede mails. Hvis OpenAI havde været hacket, var kundedata blevet kompromitteret. Det var ikke smart.

Løsning: Anonymisér data før du sender det til AI. Eller brug on-premise løsninger for meget følsomme data.

Ignorering af juridiske krav

Nogle virksomheder bruger AI til at skrive juridisk vigtige dokumenter uden at få det gennemgået af en advokat. En kontrakt skrevet af AI uden review kan være ugyldige eller ikke bindende.

Løsning: For juridisk vigtige dokumenter, få en advokat til at review. AI kan skrive første udkast, men mennesker skal godkende.

Underestimering af implementeringsomkostninger

Nogle virksomheder tror at de bare kan købe ChatGPT Plus og så er de klar. I virkeligheden tager implementering tid: at identificere use cases, at træne medarbejdere, at etablere processer, at integrere systemer. En grundlæggende implementering tager 2-4 uger for en lille virksomhed.

Løsning: Planlæg implementering. Afsæt tid til det. Gør det ikke som et side-projekt.

Afsluttende tanker og næste skridt

Generativ AI til tekstgenerering er ikke fremtiden — det er nutiden. I 2026 er det et praktisk værktøj som tusindvis af danske SMV'er bruger dagligt til at øge deres produktivitet. Hvis du ikke bruger det, risikerer du at blive bagud i forhold til konkurrenter, der gør.

Men det er vigtig at gøre det rigtigt. Start med konkrete use cases. Vælg det rigtige værktøj. Træn dine medarbejdere. Etabler kvalitetskontrol. Vær opmærksom på juridiske og etiske spørgsmål. Så kan du høste de enorme produktivitetsgevinster.

Min konkrete anbefaling for dig som ejer af en SMV: start i dag. Tag ChatGPT Plus (200 kroner/måned). Identificer 3 konkrete opgaver hvor du bruger mest tid. Skriv nogle gode prompts. Lad dine medarbejdere eksperimentere. Mål resultaterne efter 4 uger. Hvis det virker (og det gør det næsten altid), udvid til flere områder.

Generativ AI tekstgenerering til produktivitetsgevinst for SMV'er er en konkret, målbar måde at øge din virksomheds effektivitet på. Det er ikke teknologi for teknologiens skyld — det er forretning.

Ofte stillede spørgsmål

Hvor meget kan en SMV spare ved at bruge generativ AI til tekstgenerering?

Afhængigt af use case kan SMV'er spare 30-60% af tiden på tekstbaserede opgaver. En virksomhed med 10 medarbejdere kan typisk spare 2-4 timer dagligt på emailkorrespondance, rapporter og indholdsproduktion, hvilket svarer til cirka 1-2 årsværker årligt. Hvis en medarbejder koster 400.000 kroner årligt, er det en direkte besparelse på 400.000-800.000 kroner.

Er det lovligt at bruge AI-genereret tekst i kommercielle sammenhænge?

Ja, det er lovligt under EU AI Act, så længe du dokumenterer brugen og overholder GDPR. Du skal være transparent over for kunderne, især hvis indholdet bruges til markedsføring eller vigtige beslutninger. Husk at AI-tekst skal kvalitetskontrolleres før offentliggørelse, og du skal sikre at den ikke overtræder copyright eller andre juridiske krav.

Hvilken AI-model er bedst til dansk tekstgenerering?

ChatGPT-4 og Claude 3 fungerer godt til dansk. For specialiserede formål som copywriting anbefales værktøjer som Jasper eller Copy.ai. Test flere modeller med dine egne use cases, da kvaliteten varierer afhængigt af opgavetype og kompleksitet. For de fleste SMV'er er ChatGPT Plus eller Claude et godt udgangspunkt.

Hvad er de største risici ved at implementere tekstgenerering i min SMV?

Hovedrisiciene er: dataleaks ved upload af følsomme informationer, dårlig tekstkvalitet uden review, juridiske problemer med copyright, og manglende compliance med EU AI Act. Implementer altid menneskeligt review og datasikkerhedsprotokol før roll-out. Anonymisér sensitive data før du sender det til AI-værktøjer.

Hvor lang tid tager det at implementere generativ AI tekstgenerering?

En grundlæggende implementering tager 2-4 uger for en SMV. Du skal identificere use cases, vælge værktøjer, træne medarbejdere og etablere kvalitetskontrol. Større implementeringer med integration til eksisterende systemer kan tage 2-3 måneder. Start med et lille projekt og udvid derfra.