Ihr LMS erfasst den Abschluss. Attest erfasst die Kompetenz.

SCORM meldet „Completed.“ Prüfer wollen Belege für Beherrschung. Ein Senior BSA-Analyst, der den Stoff bereits kennt, und eine Filialleitung mit sechs Monaten Erfahrung und echten Lücken sitzen denselben 4-stündigen AML-Kurs durch und verdienen dasselbe Häkchen. Der Datensatz kann sie nicht unterscheiden, weil er nie gemessen hat, was einer von beiden weiß.

Anbieter, die sich als „adaptiv“ vermarkten, betreiben überwiegend kollaboratives Filtern („Leute wie Sie haben als Nächstes Kurs X genommen“), nicht konzeptbezogenes Knowledge Tracing („Sie haben Konzept Y noch nicht beherrscht“). Und Mitarbeitende nutzen zunehmend KI-Assistenten, um Module durchzufliegen, sodass der Abschlussdatensatz „geschult“ sagt, obwohl das Gelernte nie gehaftet hat.

In regulierter Arbeit ist diese Lücke eine Haftung, die ein Prüfer bepreisen kann. US-Unternehmen geben rund $102.8B pro Jahr für Schulung aus, etwa $874 pro Lernendem (Training Magazine, 2025), und ein Großteil davon kauft einen Abschlussdatensatz statt eines Kompetenzbelegs. Wo eine Schulungslücke regulatorische Folgen hat, bei der AML- und BSA-Rezertifizierung oder unter den rollenbasierten KI-Literacy-Vorschriften von Artikel 4 des EU AI Act, die am 2. August 2026 beginnen, ist ein grünes Häkchen genau der falsche Beleg, den man mitbringt.

Der Senior BSA-Analyst (8 Jahre in der Rolle) liest fast überall grün, schwach nur bei Trade-Based Money Laundering und einem SAR-Red-Flag-Konzept. Attest zertifiziert 16 von 18 Konzepten, leitet 2 an needs-proof weiter und flaggt die Evidenz nicht. Die Sitzzeit fällt von 240 Minuten flach auf 47.3 Minuten adaptiv, 80.3% eingespart. Das ist der Fall „kennt das meiste bereits, überspringe, was belegt ist“.

Die neue Filialleitung (6 Monate nach dem Wechsel) hat echte Lücken bei SAR-Narrative und TBML. Das Modell inferiert niedrige Beherrschung bei mehreren Konzepten und leitet sie zu flow oder scaffold statt skip. Attest zertifiziert 10 von 18 Konzepten, leitet 8 an needs-proof weiter und senkt die Sitzzeit von 240 auf 146.7 Minuten, 38.9% eingespart. Weniger Konzepte zertifiziert als beim Analysten, weil dieser Lernende die Schulung tatsächlich braucht. Die Einsparung folgt der Beherrschung, kein pauschaler Rabatt.

Der Operations-Associate ist der harte Fall. Dieser Lernende hat über 18 unzusammenhängende Konzepte schnell und perfekt geantwortet, eine Antwortzeitverteilung, die mit echtem Abruf unvereinbar ist. Die scheinbare Beherrschung wirkt hoch, aber das Kompetenz-Gate flaggt die Evidenz und zertifiziert 0 von 18. Alle 18 gehen an needs-proof, die Evidenz ist als flagged markiert, und die Sitzzeit wird bis zur Verifizierung zurückgehalten. Wir rahmen das als Wert, nicht als „Gotcha“: wir zertifizieren nur, was wir belegen können.

Das Kohortenergebnis, live berechnet

Über eine echt simulierte 500-Personen-Jahres-Rezertifizierungskohorte bei einem vollbelasteten Stundensatz von $75 berechnet Attest rund 51.9% Reduktion der Kohorten-Sitzzeit (2,000 flache Stunden auf rund 962 adaptive Stunden, etwa 1,038 Stunden zurückgewonnen), etwa $77,872 auf diesem einen Modul zurückgewonnen und etwa $389,362 annualisiert, skaliert auf ein typisches 20-Stunden-Compliance-Programm. Die Dollarbeträge werden aus den Modellausgaben berechnet, und die annualisierte Zahl ist auf dem Bildschirm als Projektion beschriftet.

Der Modell-Benchmark, der unabhängige Anker

Die Held-out-AUC beträgt 0.8315 auf einem geseedeten, reproduzierbaren synthetischen PFA-generierten KT-Korpus (2,000 Trainings- und 500 Teststudierende, 18 Konzepte, 12 Epochen), mit Next-Step-Genauigkeit 0.771. Weil der datenerzeugende Prozess (Performance Factors Analysis, ein klassisches logistisches Lernermodell) einer anderen Modellfamilie angehört als der Transformer, den wir trainieren, zeigt die Held-out-AUC, dass SAKT echte latente Lernstruktur wiedergefunden hat, statt die eigenen Annahmen zu benoten. Zum externen Kontext: die publizierte SAKT-AUC auf dem öffentlichen ASSISTments-Datensatz liegt bei etwa 0.80 (Pandey & Karypis, 2019). Die belastbare Headline bleibt der Prozentsatz eingesparter Sitzzeit und der Prozentsatz auto-zertifiziert, die bei jeder Modellqualität halten. Die AUC belegt, dass das Modell echtes Knowledge Tracing ist, nicht die Headline-Zahl des Produkts.