NotebookLM-guide — sådan forbereder jeg foredrag og kurser i 2026

Hvis jeg kun måtte beholde tre AI-værktøjer i 2026, ville NotebookLM være på listen. Det er ikke det der får flest avisoverskrifter. Det er ikke det folk taler om på LinkedIn. Men det er det værktøj der har ændret min forberedelse til foredrag og kurser mest dybtgående det seneste år.

Her er guiden — kort, konkret og uden tekno-snak. Med eksempler fra mit eget arbejde.

Hvad er NotebookLM — og hvorfor er det vigtigt?

NotebookLM er et research-værktøj fra Google. Teknisk er det bygget på Gemini-modellen, men det fungerer fundamentalt anderledes end ChatGPT eller Claude.

Forskellen er enkel og afgørende: NotebookLM svarer kun på baggrund af de kilder du selv har uploadet. Ikke hele internettet. Ikke det den blev trænet på. Kun dine egne PDF'er, dine egne tekster, de YouTube-videoer du har lagt ind.

Det lyder som en begrænsning. Det er det også. Men den begrænsning er præcis det der gør den så stærk til seriøs forberedelse.

Hvorfor det er bedre end ChatGPT til research

Når du beder ChatGPT om at opsummere et komplekst emne, sker der altid en lille smule magi du ikke ser: Den blander dine kilder med sin egen baggrundsviden, sine egne forudindtagelser, og nogle gange — ærligt — sin egen fantasi.

I mit arbejde er det et problem. Når jeg skal stå på en scene og udtale mig om generativ AI's CO2-aftryk eller om en bestemt forskningsartikel — så skal jeg vide præcis hvor påstanden kommer fra. NotebookLM tvinger den disciplin igennem. Hver påstand i et svar har en lille citationskugle ved sig der peger tilbage på den præcise side i din kilde.

For mig er det forskellen mellem at tro jeg har styr på materialet, og at vide det.

Sådan ser min faktiske workflow ud

Lad mig vise dig hvordan en typisk forberedelse til et foredrag ser ud — fra første kilde til færdig manus. Det her er ikke teori. Det er det jeg gjorde sidste tirsdag, da jeg skulle forberede et oplæg om AI i HR.

Trin 1: Saml kilderne (15-30 minutter)

Jeg laver en ny notesbog og smider alt ind af relevant materiale. For HR-foredraget blev det:

• 3 forskningsartikler om AI og rekruttering (PDF)
• EU's AI Act, de relevante kapitler om high-risk systems
• 5 nyhedsartikler om konkrete cases — både succeser og fiaskoer
• Mit eget transskript fra sidste foredrag om emnet (fra Otter)
• To YouTube-interviews med HR-direktører der har implementeret AI

NotebookLM tager mod alt — PDF, websider, YouTube-links, tekstfiler. Du kan have op til 50 kilder i én notesbog. Det er rigeligt for et foredrag.

Trin 2: Lav et "Audio Overview" først

Det her er den enkelte funktion der har overrasket mig mest. Audio Overview genererer et podcast-resumé af dine kilder — to AI-stemmer der diskuterer materialet i 15-25 minutter. Det lyder som NPR. Det er ikke en gimmick.

Jeg lytter til det imens jeg går en tur. Og det jeg har lært er, at min hjerne fanger sammenhænge mellem kilder når den hører dem diskuteret, som den aldrig ville fange ved at læse. Det er en helt anden indlæringskanal end at sidde og bladre i PDF'er.

Lille tip: I 2026 kan du selv stille spørgsmål undervejs i audio-versionen. Sig "stop" og spørg ind til en pointe, så fortsætter podcasten med dit spørgsmål indlejret. Det er ualmindeligt godt designet.

Trin 3: Brug Mind Map til at finde strukturen

Mind Map-funktionen genererer en visuel oversigt over hvad der står i dine kilder. Det er den hurtigste måde jeg har fundet at se hvor materialet hænger sammen — og hvor det modsiger sig selv.

For HR-foredraget viste mind map'et hurtigt at jeg havde tre kilder der sagde "AI gør rekruttering mere fair", to der sagde "AI forstærker bias", og en der forsøgte at forklare hvorfor begge dele kan være sandt på samme tid.

Det er en perfekt foredragsstruktur. Ikke fordi jeg havde tænkt den selv — men fordi mind map'et viste mig at spændingen mellem kilderne er det interessante. Det er der oplægget skal hen.

Trin 4: Lav en disposition via chatten

Nu kommer den klassiske chat-funktion ind. Men her er forskellen til ChatGPT: NotebookLM kan ikke digte. Den kan kun bruge dine kilder.

Min faste prompt på det her trin:

"Jeg holder et 45-minutters foredrag for HR-direktører om AI i rekruttering. Mål: At de går derfra med tre konkrete handlinger, ikke kun bekymringer. Foreslå en disposition i 5-6 dele baseret på kilderne. Hver del skal have en konkret pointe + den kilde pointen kommer fra. Hvis der ikke er kildebelæg for en pointe — så lad være med at foreslå den."

Det jeg får tilbage er en disposition jeg kan stole på — fordi hver pointe peger tilbage til en konkret side i en konkret kilde. Det er en helt anden type AI-assistance end "skriv en disposition for et HR-foredrag".

Trin 5: Stil de skeptiske spørgsmål

Det her trin er det jeg sprang over de første mange gange. Stor fejl.

Når dispositionen er klar, vender jeg den. Jeg beder NotebookLM om at finde modargumenterne i mine egne kilder. "Hvor i kilderne er der argumenter der modsiger pointe 2? Find de tre stærkeste indvendinger."

Det er sådan jeg laver oplæg der holder til en kritisk Q&A i stedet for at falde sammen ved det første kvalificerede spørgsmål fra salen.

Trin 6: Brug NotebookLM til at lave noter til mig selv — ikke til foredraget

Sidste trin. Jeg beder den om at lave en "cheat sheet" — en A4-side jeg kan have foran mig på scenen. Tal jeg ikke må forveksle. Citater jeg skal kunne huske. Den ene anekdote jeg vil afslutte med.

Det er ikke manus. Det er sikkerhedsnet. Og det er bedre end de håndskrevne A5-kort jeg lavede før — fordi det er præcist det jeg har brug for, og ikke mere.

Hvor det taber til ChatGPT

NotebookLM er ikke alt. Det taber på tre punkter:

• Det skriver ikke fængende. Det er en analytiker, ikke en forfatter. Når jeg har dispositionen klar, skifter jeg ofte til Claude Opus for at få skriftrytmen til at fungere.
• Det laver ikke billeder, slides eller grafer. Det er ren tekst.
• Det kan ikke "tænke ud over kilderne". Hvis du har brug for fri sparring og nye ideer — er ChatGPT eller Claude bedre.

Det er bevidste designvalg fra Google. NotebookLM er ikke ChatGPT. Det er et research-værktøj, ikke en allround-AI.

Tre konkrete brugsscenarier du kan kopiere

1. Forbered et møde med en ny kunde

Smid kundens årsrapport, deres seneste 10 LinkedIn-posts, deres pressedækning det sidste år, og din egen tilbudsskabelon ind. Bed NotebookLM lave en briefing til dig: Hvor er deres smerter? Hvad har de skrevet om der peger på AI-behov? Hvilke spørgsmål skal jeg stille på det første møde?

2. Lær et nyt fagområde på 2 uger

Når jeg skulle ind i et nyt domæne — fx maritim sektor — lavede jeg en notesbog med 20-30 artikler, en bog og to brancheblade. Audio Overview hver morgen i to uger. Det er den hurtigste indlæringsteknik jeg har prøvet.

3. Lav et internt undervisningsmodul

Har dit firma noget I gør på en bestemt måde? Smid alle de interne dokumenter ind. NotebookLM kan generere et "kursus" — en disposition, en quiz, et FAQ. Du har lige bygget jeres internenes onboarding-modul på en formiddag.

Pris og adgang

NotebookLM er gratis i basis-versionen — og rigeligt for de fleste. NotebookLM Plus (omkring 150 kr./md i 2026) hæver grænserne på antal kilder og giver bedre styring i teams. Hvis du allerede har Google One AI Premium, har du adgang.

Afsluttende

NotebookLM er det værktøj jeg oftest demonstrerer på masterclass når deltagerne kigger forundret ud og siger "det her vidste jeg slet ikke fandtes". Og det er den letteste anbefaling jeg kan komme med, hvis du arbejder seriøst med viden — som underviser, foredragsholder, rådgiver, journalist, leder, eller bare som engageret medarbejder der gerne vil lære nyt i et tempo der følger med 2026.

Hvis du kun prøver én ny AI-vane i denne uge — så lav en NotebookLM-notesbog til dit næste store oplæg. Lyt til Audio Overview på vej til arbejde. Du vil mærke forskellen ved dag tre.

Emner: NotebookLM, Google, Foredrag, Kursus, Research, Gemini