So binden Sie den KI-Chat-Verlauf in eDiscovery ein

Generative KI-Tools sind klammheimlich Teil des Arbeitsalltags von Anwälten, Rechtsanwaltsfachangestellten, Führungskräften und Ingenieuren geworden. Verträge werden in ChatGPT entworfen, Deal-Konditionen in Claude erarbeitet, Besprechungen in Copilot zusammengefasst und Gemini wird gebeten, rechtliche Standards zu vergleichen. Diese Konversationen enthalten oft dieselbe Art von Offenheit, die man früher in E-Mails, Slack- und Textnachrichten fand. Das bedeutet, dass sie in den Anwendungsbereich von eDiscovery fallen – und Teams, die dies noch nicht einplanen, werden überrascht sein, wenn die Gegenseite sie anfordert.

Dieser Beitrag zeigt auf, wie man den KI-Chat-Verlauf als beweiserhebliche Quelle handhabt. Er deckt ab, was gesammelt werden muss, wie der Export aus den wichtigsten Endverbraucher-Tools erfolgt, wie diese Exporte in Nuix Discover verarbeitet werden und wie man sie effizient mit Claira prüft. Ziel ist ein Workflow, der vertretbar, verhältnismäßig und reproduzierbar ist.

Warum KI-Chats beweisrelevant sind

Die Analyse deckt sich mit dem, was Gerichte seit Jahren anwenden. Relevante, nicht privilegierte Informationen müssen aufbewahrt und offengelegt werden, unabhängig davon, wo sie sich befinden. Die Sedona Canada Principles und die US Federal Rules of Civil Procedure fassen elektronisch gespeicherte Informationen so weit, dass alles erfasst wird, was im normalen Geschäftsbetrieb getippt, generiert oder gespeichert wird. Das schließt KI-Konversationen ein.

Neu ist die Mischung der Inhalte innerhalb einer einzigen Sitzung. Ein einziger ChatGPT-Thread kann den ersten Entwurf eines Vertrags, eine juristische Recherchefrage, eine kopierte vertrauliche Strategienotiz und eine persönliche Bemerkung über einen Kollegen enthalten. Die Grenze zwischen privilegiert, relevant und irrelevant kann sich von Absatz zu Absatz verschieben. Das ist der eigentliche Grund, warum diese Quelle einen bewussten Workflow und kein bloßes Bemühen verdient.

Die andere Hürde ist die Aufbewahrung. Einige Tools speichern Chats im Konto des Nutzers und verknüpfen die Aufbewahrungsdauer mit den Einstellungen des Einzelnen. Andere übertragen alles in einen Enterprise-Arbeitsbereich. Wieder andere, wie lokale Copilot-Installationen, verteilen Fragmente über Geräte-Caches, Office-Dokumente und M365-Audit-Logs. Die Ermittlung des richtigen Datenhüters ist ebenso wichtig wie die Ermittlung des richtigen Hüters für die darin enthaltene Kommunikation.

Sammeln aus den wichtigsten Tools

Die gute Nachricht ist, dass mittlerweile jeder größere Anbieter eine Form des Exports unterstützt. Die schlechte Nachricht ist, dass kein Export dem anderen gleicht und keiner davon in einem direkt prüfbaren Format vorliegt. Folgendes funktioniert zum jetzigen Zeitpunkt.

ChatGPT bietet einen Self-Service-Export unter Einstellungen - Datenkontrolle - Daten exportieren. Das Ergebnis ist eine ZIP-Datei, die eine conversations.json und eine HTML-Version enthält. Die JSON-Datei behält die Reihenfolge der Nachrichten, Rollen, Zeitstempel und alle Bild- oder Dateianhänge per Referenz bei. Das HTML ist für einen Prüfer leichter zu lesen, entfernt jedoch einige Metadaten. Bei Enterprise-Konten können Administratoren kontoübergreifende Exporte über die OpenAI-Admin-Konsole auslösen.

Claude von Anthropic bietet einen ähnlichen Export unter Einstellungen - Datenschutz - Daten exportieren, der ein JSON-Archiv der Konversationen und eine einfache HTML-Ansicht liefert. Enterprise-Arbeitsbereiche von Claude können von Workspace-Administratoren exportiert werden, und Projekte werden als strukturierte Pakete mit den dazugehörigen Dateien exportiert.

Microsoft Copilot ist das komplizierteste der vier großen Tools. Consumer-Copilot-Chats werden über das Microsoft-Datenschutz-Dashboard exportiert. Copilot für Microsoft 365-Chats werden jedoch als versteckte Elemente im Exchange-Postfach des Benutzers gespeichert und über eDiscovery Premium in Purview bereitgestellt. Wenn Sie ein Verfahren haben, das Copilot betrifft, sollten Sie davon ausgehen, dass die Erfassung über Purview und nicht über einen benutzerseitigen Export erfolgt.

Google Gemini-Chats sind im Google Takeout-Archiv des Nutzers verfügbar, entweder als JSON oder HTML, und Enterprise-Gemini-Konversationen laufen über Google Vault. Planen Sie die Erfassung auf dieselbe Weise wie die Erfassung von Gmail in diesem Mandanten.

Unabhängig von der Quelle sollten Sie den Roh-Export in Ihrem üblichen forensischen Bereitstellungsbereich ablegen, einen Hash-Wert erstellen und die Kontrollkette dokumentieren. Der Export selbst ist der beste Beweis, den Sie bekommen können. Widerstehen Sie dem Drang, Konversationen per Copy-and-paste aus dem Browser zu kopieren – das zerstört Zeitstempel sowie Anhänge und hält einer Überprüfung nicht stand, falls die Echtheit einer einzelnen Nachricht jemals angezweifelt wird.

Verarbeitung in Nuix Discover

Sobald Sie die Archive haben, müssen Sie sie in Dokumente umwandeln, mit denen ein Prüfer arbeiten kann. Zwei Formate lassen sich sauber in Nuix Discover übertragen: PDFs jeder Konversation, die aus der HTML-Ansicht generiert wurden, und native JSON-Dateien mit einer dazugehörigen Parent-Child-Beziehung zu allen referenzierten Anhängen. Die meisten Teams, mit denen wir zusammenarbeiten, erstellen beides und behandeln das PDF als das für den Prüfer sichtbare Dokument und das JSON als die maßgebliche Quelle.

Ordnen Sie die Metadaten beim Einlesen zu. Sie benötigen mindestens den Datenhüter, den Namen des Tools, den Titel der Konversation, das Datum und die Uhrzeit jeder Nachricht, die Rolle der Nachricht (Benutzer oder Assistent) und alle Identifikatoren für Anhänge. Wenn Ihre Verarbeitungs-Engine diese Felder nicht nativ analysiert, schreiben Sie ein kleines Vorverarbeitungsskript, um sie in die Ladedatei einzufügen. Das zahlt sich schon beim ersten Mal aus, wenn jemand nach jeder Konversation sucht, die sich zwischen zwei Daten auf einen bestimmten Projektnamen bezog.

Behandeln Sie Anhänge in Konversationen so, wie Sie Anhänge in E-Mails behandeln würden. Extrahieren Sie sie, weisen Sie ihnen einen Hash-Wert zu und verknüpfen Sie sie mit der übergeordneten Nachricht. Viele Chat-Tools ermöglichen es Benutzern, Bilder, Tabellenkalkulationen oder vollständige PDFs in die Konversation einzufügen, und diese Anhänge enthalten oft die relevantesten Inhalte im gesamten Archiv.

Effiziente Prüfung mit Claira

Sobald sich die Chats in Nuix Discover befinden, wird das Volumen zum eigentlichen Problem. Ein einziger aktiver ChatGPT-Nutzer kann in einem Jahr problemlos Tausende von Nachrichten in Hunderten von Konversationen generieren. Die traditionelle lineare Prüfung scheitert bei diesem Umfang, und die Keyword-Suche ist ein stumpfes Werkzeug für eine Quelle, in der derselbe Satz eine Offenlegung der Strategie, ein harmloses Brainstorming oder der Entwurf eines Arbeitsergebnisses sein kann, je nachdem, was im Thread davor stand.

Dies ist der Workflow, für den wir Claira entwickelt haben. Laden Sie die Konversationen in ein Verfahren hoch, fügen Sie Ihren verfahrensspezifischen Kontext über den Case Context hinzu, damit das Modell versteht, worum es geht, und führen Sie einen Bulk-Scan über jede Nachricht oder jede Zusammenfassung auf Konversationsebene durch. Sie können Claira bitten, jeden Thread zu markieren, der den Gegenstand des Rechtsstreits betrifft, Nachrichten zu identifizieren, die privilegiert erscheinen, jede Erwähnung namentlich genannter Personen zu extrahieren und jede Konversation in zwei Sätzen für den ersten Durchgang eines Prüfers zusammenzufassen. Die Ergebnisse werden als strukturierte Felder in Nuix zurückgegeben und können von einem menschlichen Prüfer verifiziert werden.

Dies ist dieselbe pragmatische Philosophie, über die wir in unserem Beitrag zur Zukunftssicherung von eDiscovery mit KI-gestützter Prüfung geschrieben haben: Nutzen Sie KI für die Teile der Arbeit, bei denen es am meisten auf Konsistenz und Geschwindigkeit ankommt, und beziehen Sie Menschen für die Ermessensentscheidungen ein. KI-Chat-Verläufe eignen sich nahezu perfekt für diese Arbeitsteilung, da sie ein hohes Volumen aufweisen, strukturiert sind und genau die Art von Hinweisen enthalten, die ein gut instruiertes Modell erkennen kann.

Eine vertretbare Ausgangsbasis

Wenn Ihr Team sein erstes Handbuch für die Offenlegung von KI-Chats erstellt, sollten Sie drei Dinge anstreben. Identifizieren Sie jedes wichtige KI-Tool, das Ihre Datenhüter nutzen, nicht nur die offiziell genehmigten. Exportieren Sie in dem nativen Format, das das jeweilige Tool bietet, niemals über ein Browser-Scraping. Verarbeiten Sie diese Exporte in Nuix Discover mit ordnungsgemäßer Handhabung von Metadaten und Anhängen und prüfen Sie sie dann mit einem Tool, das für den Umfang und die Nuancen ausgelegt ist, die diese Daten erfordern. Die Technologie verändert sich schnell, aber die Verpflichtung zur Aufbewahrung, Erfassung und Offenlegung bleibt bestehen. Ein durchdachter Workflow heute ist weitaus kostengünstiger als ein Herausgabeverlangen morgen.