Wer einen KI-Chatbot regelmäßig nutzt, lagert oft mehr aus als einzelne Fragen. Zwischen Rezepten, beruflichen Entwürfen, Reiseplänen und heiklen Ratschlägen entsteht ein Verlauf, aus dem sich Interessen, Routinen und Lebenslagen ableiten lassen. Proton will diesen Effekt mit dem kostenlosen Werkzeug AI Paper Trail greifbar machen: Nutzer laden ihren Export aus ChatGPT oder Claude hoch und erhalten eine Auswertung dessen, was die Gespräche über sie preisgeben.
Das ist ein nützlicher Perspektivwechsel, aber kein forensischer Blick in die Datenbanken der Anbieter. Das Werkzeug liest den eigenen Export und formuliert daraus ein Profil. Es zeigt also vor allem, welche Schlüsse sich aus dem Material ziehen lassen, das man selbst preisgegeben hat. Gerade darin liegt sein Wert: Die abstrakte Datenschutzdebatte wird zur Frage, welche Details in den eigenen Chats tatsächlich zusammenkommen.
Das Wichtigste in Kürze
- AI Paper Trail analysiert exportierte Chat-Daten aus ChatGPT und Claude und fasst mögliche Rückschlüsse zu Identität, Gewohnheiten und Interessen zusammen.
- Die Auswertung ist keine unabhängige Messung dessen, was ein Anbieter intern dauerhaft speichert oder für Werbung und Training verwendet.
- ChatGPT und Claude bieten beide Datenexporte an. Bei ChatGPT lassen sich außerdem Training und temporäre Chats in den Einstellungen steuern.
- Der praktischste Nutzen liegt nicht im Punktwert des Tools, sondern darin, sensible Routinen im eigenen Prompt-Verhalten zu erkennen und zu ändern.
Ein Profil entsteht aus vielen harmlosen Fragen
Ein einzelner Prompt verrät selten viel. Über Monate entsteht aber ein erstaunlich dichtes Bild. Wer eine Bewerbung überarbeitet, nach Medikamentenwechselwirkungen fragt, eine Trennung bespricht und anschließend eine Reise plant, liefert nicht nur Textbausteine. Der Verlauf kann Beruf, ungefähre Lebensphase, Familienkonstellation, gesundheitliche Sorgen, Konsuminteressen und Aufenthaltsorte andeuten. Auch hochgeladene Dateien oder wiederkehrende Arbeitsaufgaben verdichten das Bild.
Protons Tool strukturiert diese Spuren als persönliche Datenpunkte, Expositionswert und Schätzung eines Datenwerts. Diese Darstellung ist zwangsläufig zugespitzt: Ein errechneter Dollarbetrag ist keine überprüfbare Marktpreisangabe für den einzelnen Nutzer. Er eignet sich eher als Warnsignal gegen die bequeme Annahme, ein Chat sei nur eine flüchtige Suchanfrage. Wer die Auswertung nutzt, sollte ihre Kategorien deshalb als Gesprächsanstoß lesen, nicht als Beweis über konkrete Geschäftsprozesse eines Konkurrenten.
Der Export zeigt den eigenen Verlauf, nicht die ganze Datenrealität
Die Grenze ist wichtig. Ein Export enthält zwar Chat-Historie und weitere Kontodaten, aber er beantwortet nicht allein, welche Informationen ein Dienst in Sicherungssystemen, Sicherheitsprotokollen oder getrennten Produktfunktionen verarbeitet. Ebenso kann ein Export nicht entscheiden, ob eine Einstellung zur Modellverbesserung für jeden vergangenen Chat galt. Datenschutz ist kein einzelner Download-Button, sondern die Summe aus Verlauf, Memory-Funktionen, Kontoeinstellungen, Aufbewahrungsfristen und der Art, wie ein Dienst genutzt wird.
OpenAI beschreibt für ChatGPT einen Schalter unter Data Controls, mit dem neue Gespräche von der Modellverbesserung ausgeschlossen werden können. Die Chats bleiben dann dennoch im Verlauf. Temporäre Chats erscheinen laut OpenAI nicht in der Historie, erzeugen keine Memories und werden nicht zum Verbessern der Modelle genutzt; zur Missbrauchsprävention können sie bis zu 30 Tage aufbewahrt werden. Das ist ein nützlicher Modus für einzelne sensible Gespräche, aber kein Ersatz dafür, vor dem Abschicken zu prüfen, welche Daten wirklich nötig sind.
Auch bei Claude gibt es einen offiziellen Datenexport. Anthropic verweist dafür bei privaten Konten auf den Bereich Privacy in der Web- oder Desktop-App; der Export umfasst Kontodaten und Gesprächsdaten. Das macht es möglich, den eigenen Nachlass zu prüfen. Es bedeutet jedoch nicht automatisch, dass alle Nutzungsarten denselben Datenschutzregeln folgen. Insbesondere Teams und Unternehmen sollten ihre Arbeitsbereiche, Administratorrechte und vertraglichen Einstellungen getrennt bewerten, statt einen privaten Selbsttest auf Organisationen zu übertragen.
Der sinnvollste Test ist die anschließende Aufräumarbeit
AI Paper Trail kann dabei helfen, Muster zu entdecken: Namen in kopierten Dokumenten, private Notizen in Uploads, Kundendetails in Arbeitsfragen oder wiederkehrende Gesundheits- und Finanzthemen. Danach beginnt die wichtigere Arbeit. Nutzer können alte Chats archivieren oder löschen, gespeicherte Erinnerungen kontrollieren und für heikle Einzelfälle temporäre Unterhaltungen wählen. Wer vertrauliche Texte bearbeiten muss, sollte sie zudem soweit möglich anonymisieren: Platzhalter statt Klarnamen, grobe Ortsangaben statt Adressen und keine vollständigen Kundenakten im Prompt.
Für Unternehmen ist die Konsequenz noch nüchterner. Ein Mitarbeitender, der einen Chatbot als schnellen Lektor nutzt, kann dabei vertrauliche Projektinformationen eingeben, ohne den Vorgang als Datenweitergabe wahrzunehmen. Klare Regeln für zugelassene Werkzeuge, Datenklassen und Freigaben sind deshalb wirksamer als eine allgemeine Bitte um Vorsicht. Ein Screenshot aus einem privaten Analysewerkzeug ersetzt weder Datenschutz-Folgenabschätzung noch Vertrag und technische Kontrollen.
Ausblick: Mehr Transparenz ist gut, einfache Zahlen sind es nicht immer
Das neue Tool trifft einen echten Nerv, weil KI-Chats Alltagssprache in verwertbare Struktur verwandeln können. Seine stärkste Aussage ist nicht, dass es einen exakten Preis für einen Menschen kennt. Sie lautet: Aus vielen vermeintlich belanglosen Dialogen lässt sich ein Profil bauen. Wer das einmal am eigenen Export sieht, wird wahrscheinlich präziser fragen, Datenkontrollen bewusster setzen und sensible Inhalte seltener ungeprüft in ein Textfeld kopieren. Das wäre ein Fortschritt, auch wenn Protons Darstellung zugleich Werbung für den eigenen Dienst bleibt.
Die Debatte passt zu unserer Analyse, warum ChatGPT-Werbung die Datenfrage sichtbarer macht, und zu den Anforderungen an nachvollziehbare Regeln, die wir bei OpenAIs Kurswechsel in der KI-Regulierung beschrieben haben.