Tool zeigt, was KI-Chatbots über Nutzer wissen – was Händler daraus lernen sollten

Künstliche KI-Chatbots sind für viele Teams längst ein Arbeitswerkzeug – oft auch dort, wo eigentlich keine sensiblen Inhalte hineingehören. Das neue Proton-Tool „AI Paper Trail“ zeigt, welche Muster sich aus exportierten Chatverläufen ableiten lassen. Für Händler ist das vor allem deshalb relevant, weil schon einzelne, harmlos wirkende Eingaben über Zeit ein belastbares Bild von Kunden, Preisen, Sortimenten und internen Abläufen ergeben können. Der Beitrag ordnet ein, was das Tool tatsächlich leistet, wo seine Grenzen liegen und welche Konsequenzen sich für den Alltag im Handel ergeben.

Worum es geht

Proton hat Mitte August 2026 mit „AI Paper Trail“ ein kostenloses Web-Tool veröffentlicht, das exportierte Chatverläufe aus ChatGPT und Claude auswertet¹⁰. Nach Angaben von Proton kann die Anwendung JSON- oder ZIP-Exporte einlesen und die letzten bis zu 200 Prompts analysieren. Ausgegeben werden unter anderem ein „AI Exposure Score“, eine Einordnung des „Privacy Type“, Kategorien extrahierter Datenpunkte sowie ein geschätzter finanzieller bzw. werblicher Wert der Daten.

Der Anlass für die Veröffentlichung ist klar: Viele Nutzer verwenden KI-Chatbots nicht nur für neutrale Textarbeit, sondern auch für persönliche oder geschäftliche Fragen. Genau aus diesen kleinen Fragmenten entsteht mit der Zeit ein Profil, das deutlich mehr verrät als einzelne Chats vermuten lassen^7,3. Proton positioniert das Werkzeug zugleich als Sensibilisierungsinstrument und als Teil der eigenen datenschutzorientierten Produktstrategie rund um den KI-Assistenten Lumo^6,10.

Was gesichert ist

Gesichert ist zunächst, dass das Tool auf exportierte Chatdaten zugreift und diese anhand mehrerer Kategorien auswertet¹⁰. Zu den genannten Kategorien zählen Identität, Gewohnheiten, Beziehungen, Finanzen, Standort, berufliche Projekte und Interessen. Ebenfalls belegt ist, dass Proton die hochgeladenen Dateien über den eigenen KI-Dienst Lumo verarbeiten und danach löschen will.

Ebenfalls belegt ist die technische Grenze, dass das Tool laut Testberichten nicht jede Exportvariante gleich gut verarbeitet. Insbesondere aufgeteilte Archivdateien können dazu führen, dass nur ein Teil der Historie erfasst wird⁶. Auch der Zeitraum ist begrenzt: analysiert werden die letzten bis zu 200 Prompts¹⁰. Damit ist das Ergebnis immer eine Momentaufnahme und keine vollständige Rekonstruktion aller jemals geführten Chats.

Für Unternehmen ist der rechtliche Rahmen wichtiger als das Tool selbst. Wenn Beschäftigte oder Inhaber Unternehmensdaten in Standard-Chatbots eingeben, sind die Grundsätze der DSGVO relevant, insbesondere Datenminimierung und Zweckbindung nach Art. 5, die Rechtmäßigkeit der Verarbeitung nach Art. 6 sowie bei besonderen Kategorien personenbezogener Daten Art. 9¹⁰. Sobald ein externer Dienst personenbezogene Daten im Auftrag verarbeitet, kommt außerdem Art. 28 DSGVO ins Spiel. Hinzu kommt das GeschGehG: Betriebs- und Geschäftsgeheimnisse können ihren Schutz verlieren, wenn sie ohne angemessene Geheimhaltungsmaßnahmen an KI-Dienste weitergegeben werden.

Nicht belegt ist dagegen, wie präzise der „AI Exposure Score“ oder der monetäre Datenwert tatsächlich berechnet werden. Fachmedien weisen darauf hin, dass Proton die Berechnungsgrundlage nicht offenlegt⁶. Auch die Aussagekraft des Werbewerts ist daher eher als illustrative Schätzung denn als belastbare Marktkennzahl zu verstehen.

Wen es betrifft

Betroffen sind vor allem Onlinehändler, Marktplatzhändler, B2B-Großhändler, Hersteller mit Eigenmarken, Importeure und Dropshipping-Anbieter, wenn sie kostenlose oder reguläre Standardkonten von ChatGPT, Claude oder ähnlichen Diensten für geschäftliche Zwecke nutzen^10,7. Das gilt nicht nur für Marketingtexte. Kritisch wird es auch bei Einkaufsverhandlungen, Lieferantenbewertungen, Beschwerdemanagement, Preislisten, Produktstrategien, internen Kennzahlen oder Kundenkommunikation.

Im Markt Deutschland ist die Relevanz hoch, weil hier sowohl DSGVO als auch Schutz von Geschäftsgeheimnissen eine praktische Rolle spielen¹⁰. In der EU ist die Betroffenheit ebenfalls hoch, weil die regulatorische Logik ähnlich ist und grenzüberschreitende Handelsprozesse die Zahl der Datenkontakte erhöhen. Außerhalb der EU betrifft das Thema Unternehmen ebenfalls, sofern interne Richtlinien, Vertragsklauseln oder vergleichbare Datenschutz- und Geheimhaltungsanforderungen greifen.

Nicht betroffen oder nur am Rand betroffen sind Unternehmen, die KI ausschließlich über Business- oder Enterprise-Verträge mit Auftragsverarbeitung, Zero-Data-Retention und klaren Trainings-Opt-outs einsetzen, oder die Modelle selbst hosten¹⁰. Ebenso gering ist die Betroffenheit für Betriebe, die KI gar nicht produktiv einsetzen. Eine gesetzliche Frist setzt das Tool selbst nicht; die Dringlichkeit ist dennoch hoch, weil die Pflicht zum sicheren Umgang mit Unternehmens- und Kundendaten bereits jetzt besteht.

Was das im Handelsalltag bedeutet

Für den Einkauf heißt das: Preise, Zielmargen, Lieferantenkonditionen oder Verhandlungsspielräume sollten nicht in offene Chatbots eingegeben werden. Wer Einkaufsfragen in ein Standardkonto tippt, erzeugt im Zweifel nicht nur einen Texthilfsdienst, sondern eine externe Datenspur, die Rückschlüsse auf Konditionen und Beschaffungslogik zulässt^10,7.

Im Lager und in der Logistik geht es weniger um spektakuläre Einzelrisiken als um die Summe vieler kleiner Informationen. Artikelknappheiten, Umlagerungen, Priorisierungen oder Sonderaktionen können im Zusammenspiel Rückschlüsse auf Sortimentssteuerung und interne Engpässe geben^3,7. Das ist kein theoretisches Problem: Genau solche fragmentierten Informationen sind die Basis für das Profiling, das das Tool sichtbar machen soll.

Für Artikelstammdaten und Shop-Inhalte ist vor allem die Prozessseite relevant. Wenn Teams Produkttexte, Variantenbeschreibungen, Zielgruppenansprachen oder FAQ-Entwürfe mit echten Kunden- und Lieferantendaten anreichern, vermischen sich operative Informationen mit personenbezogenen oder vertraulichen Daten¹⁰. Im E-Commerce kann das schnell bei saisonalen Kampagnen, Retourenfällen oder B2B-Kundenlisten passieren.

Auch Rechnungen und Reklamationen sind heikel. Aus einer scheinbar harmlosen Anfrage zu einem Zahlungsfall kann im Chatkontext mehr werden: Name, Bestellnummer, Lieferadresse, Zahlungsprobleme und Kommunikationshistorie landen potenziell in einem externen System¹⁰. Für die Lieferantenkommunikation gilt dasselbe. Je normaler ein Team KI als Entwurfswerkzeug nutzt, desto größer das Risiko, dass vertrauliche Details versehentlich in Standardkonten verschwinden.

Was jetzt zu tun ist

KI-Nutzung inventarisieren — Wer: Geschäftsführung, IT, Datenschutz. Bis wann: sofort. Aufwand: gering bis mittel. Prüfen, welche Teams welche Chatbot-Dienste in welchen Konten nutzen und ob dabei Geschäftsdaten verarbeitet werden.

Verbindliche Nutzungsregeln einführen — Wer: IT-Sicherheit, HR, Datenschutz. Bis wann: innerhalb von 2 bis 4 Wochen. Aufwand: gering. In einer klaren Richtlinie festlegen, dass Einkaufsdaten, Kundendaten, Lieferantennamen, Margen und interne Zahlen nicht in Standard-Accounts gehören.

Konten auf Business-Standards umstellen — Wer: IT-Leitung, Fachbereiche. Bis wann: innerhalb von 1 bis 3 Monaten. Aufwand: mittel. Wo KI produktiv gebraucht wird, sollten Enterprise-, Team- oder API-Zugänge mit passenden Vertragsregelungen, Trainings-Opt-out und möglichst klarer Datenverarbeitung genutzt werden.

Altkonten stichprobenartig prüfen — Wer: Datenschutzbeauftragte, IT-Sicherheit. Bis wann: nach Priorität, binnen 1 bis 2 Stunden pro Schlüsselaccount. Aufwand: mittel. Über Datenexporte lässt sich erkennen, welche Spuren bereits entstanden sind, und ob Löschungen oder Kontoschließungen nötig sind.

Lieferanten und Dienstleister nachziehen — Wer: Einkauf, Legal, Compliance. Bis wann: parallel, innerhalb von 1 bis 2 Monaten. Aufwand: mittel. Auch externe Partner sollten nur dann mit sensiblen Informationen arbeiten, wenn Vertrag, Datenverarbeitung und Vertraulichkeit sauber geregelt sind.

Wo die Datenlage dünn ist

Offen bleibt vor allem, wie belastbar die vom Tool ausgegebenen Scores und Dollarwerte sind. Die Quellenlage zeigt zwar konsistent, dass das Tool Chatverläufe analysiert und daraus Kategorien ableitet, aber nicht, wie genau die Gewichtung im Hintergrund funktioniert^6,10. Ebenso ist die technische Reichweite nicht in jedem Fall gleich: Einige Tests berichten von Einschränkungen bei geteilten Exportarchiven, sodass die Aussagekraft je nach Datenformat sinken kann. Für die Praxis heißt das: Das Tool ist vor allem ein guter Weckruf, aber keine forensische Wahrheit über alle jemals getippten Chats.

Fazit

Das Tool zeigt nicht, dass KI per se ein Problem ist. Es zeigt, wie schnell aus bequem genutzten Chatbot-Tools ein Datenschutz- und Geheimhaltungsrisiko wird, wenn Mitarbeitende zu locker mit Eingaben umgehen. Für den Handel ist das Thema deshalb weniger ein Techniktrend als eine Frage sauberer Prozesse. Wer KI produktiv nutzt, braucht klare Regeln, passende Konten und einen realistischen Blick auf das, was in offenen Chats landet.