PLLuM im Unternehmen einführen: So wählen Sie den richtigen Implementierungspartner und starten erfolgreich

Was PLLuM im Jahr 2026 ist

PLLuM ist eine offene Modellfamilie, trainiert speziell für die polnische Sprache und finanziert vom Ministerium für Digitalisierung. Das Projekt startete 2024 in einem Konsortium aus Hochschulen und Instituten, seit 2025 wird es vom Konsortium HIVE AI unter Leitung von NASK weiterentwickelt. Die Modelle laufen bereits u. a. in mObywatel und in Stadtverwaltungen. Das volle Einsatzspektrum kennt jedoch niemand, denn die offene Lizenz verlangt keine Meldung von Implementierungen (Rzeczpospolita).

Am 21. Mai 2026 kamen 11 neue Modelle in den Größen 4, 8, 12 und 70 Milliarden Parameter zur Familie hinzu (Projektblog PLLuM). Sie wurden zusammen mit einer Dokumentation veröffentlicht, die die Anforderungen des EU‑AI‑Acts adressiert: Datenquellen, Beschreibung ihrer Verarbeitung sowie Trainings- und Evaluierungsmethoden. Für Unternehmen, die AI‑Act‑Konformität nachweisen müssen, ist das ein konkreter Vorteil gegenüber vielen ausländischen Modellen.

Für die Wirtschaft ist die Lizenz entscheidend, denn nicht jede PLLuM‑Variante eignet sich für kommerzielle Nutzung:

Quellen: pllum.org.pl, Hugging Face – Profil CYFRAGOVPL, instytut.ai. Prüfen Sie vor der Implementierung immer die Lizenz auf der Karte des konkreten Modells, denn sie hängt von der Version ab – nicht nur von der Größe.

Für Anwendungen wählen Sie Varianten mit dem Zusatz „chat“ oder „instruct“; „base“-Versionen sind für weiteres Training gedacht. Die Llama‑3.1‑Lizenz bei den Modellen 8B und 70B erfordert u. a. den Hinweis „Built with Llama“ im Produkt oder in dessen Dokumentation.

Wann PLLuM im Unternehmen Sinn ergibt

PLLuM ist besonders sinnvoll, wenn zwei Bedingungen zusammenkommen: Daten dürfen das Unternehmen nicht verlassen und die Arbeit betrifft Texte auf Polnisch. Typische Einsatzszenarien:

• Wissensassistent auf Basis von Unternehmensdokumenten. Mitarbeitende fragen nach Prozessen, Verträgen oder technischer Dokumentation; das System antwortet auf Basis der internen Dateien und zeigt die Quelle an.
• Bearbeitung von Anfragen und Reklamationen auf Polnisch. Das Modell klassifiziert Nachrichten, extrahiert Schlüsseldaten und erstellt Antwortentwürfe zur Freigabe.
• Arbeiten mit Dokumenten. Zusammenfassen, Versionsvergleich und Anonymisierung – das sind Module, die NASK im Rechtsassistenten für die Verwaltung bereitgestellt hat.
• Chat im ERP‑System. Comarch setzt die größte PLLuM‑Variante (70B) als Chat‑Dienst für sein ERP ein (PFR, Gespräch mit AI Lab OPI).

PLLuM ist hingegen nicht die beste Wahl für mehrstufige Agents, Codegenerierung oder mehrsprachige Aufgaben – hier sind führende kommerzielle Modelle im Vorteil. In der Praxis bewährt sich daher oft eine hybride Architektur:

Ein vernünftiger Zuschnitt sieht so aus: PLLuM verarbeitet sensible Daten on‑premises, und ein kommerzielles Modell erhält Aufgaben ohne personenbezogene Daten und Geschäftsgeheimnisse. Benötigt die Aufgabe ein stärkeres Modell, kann PLLuM das Dokument zunächst anonymisieren und erst dann weiterreichen. Die Wahl zwischen PLLuM, Bielik und einem ausländischen Modell sollte nicht auf Marken basieren – entscheidend sind Tests auf den Daten Ihres Unternehmens.

Implementierung von PLLuM: Von der Idee zum laufenden System in fünf Schritten

Die Entwickler von PLLuM empfehlen, dass die Organisation zunächst Bedarf, Daten und Hardware klärt und erst dann einen Implementierungspartner einbindet (pllum.org.pl). Das ist sinnvoll – die meisten Unternehmen haben jedoch kein Team, das all diese Schritte allein geht. So läuft der Weg, wenn ihn ein Implementierungspartner führt:

1. Scoping‑Workshop. Wir wählen einen Prozess und ein messbares Ziel, z. B. die Antwortzeit auf Kundenanfragen. Wir legen fest, wer das System nutzt, welche Berechtigungen gelten und woher die Daten stammen.
2. Daten‑Audit und ‑Aufbereitung. Dokumente werden in reinen Text überführt – ohne OCR‑Fehler und überflüssige Markups – und anschließend in Abschnitte geteilt, die das System sucht. Parallel bilden wir Berechtigungen ab, denn der Assistent darf Mitarbeitenden keine Dateien zeigen, für die sie keinen Zugriff haben.
3. Validierung auf historischen Daten. Wir bauen einen Test‑Satz aus echten Fragen und korrekten Antworten von Fachexpertinnen und ‑experten. Darauf vergleichen wir PLLuM‑Varianten, Bielik und ein kommerzielles Modell hinsichtlich Trefferqualität der gefundenen Passagen, Quellen‑Treue der Antworten, Latenz und Kosten.
4. Pilot mit Nutzerinnen und Nutzern. Das System geht für einige Wochen an eine kleine Gruppe. Wir sammeln Bewertungen und verbessern Retrieval, Prompts/Instruktionen und Sicherheitsmechanismen.
5. Integration und Betrieb. Wir verbinden das System mit ERP, CRM oder dem Dokumenten‑Repository, mit Single Sign‑on (SSO) und Monitoring. Qualitätstests laufen automatisiert, sodass bei jeder neuen PLLuM‑Version klar ist, ob sich der Modelltausch lohnt.

Schritt 3 entscheidet meist über den Erfolg. Ohne Test‑Satz lässt sich nicht belastbar beantworten, ob PLLuM ausreicht oder ein größeres Modell nötig ist.

In RAG‑Systemen bestimmt häufiger das Retrieval als der Generator die Qualität. Die polnische Flexion erschwert Keyword‑Suche, denn „umowa“, „umowy“ und „umowie“ sind für die Suche unterschiedliche Zeichenketten. Deshalb kombinieren wir semantisches Retrieval auf Basis eines Embedding‑Modells, das an polnischen Texten validiert ist, mit Volltextsuche auf Grundformen (Lemmata).

Möchten Sie diese Schritte mit einem Partner gehen? Den ersten Schritt, den Scoping‑Workshop, führen wir gemeinsam mit Ihrem Team durch und schließen mit einer konkreten Empfehlung ab. Scoping‑Workshop mit SH vereinbaren

Infrastruktur, Sicherheit und Kosten

Die PLLuM‑Lizenz ist kostenlos, das Modell benötigt jedoch einen Server mit GPU. Die Anforderungen steigen mit der Modellgröße, und zum Generator kommen Retrieval‑ und Evaluationsmodule für die Relevanzbewertung in RAG hinzu:

Quelle: technische Anforderungen auf pllum.org.pl.

Für viele Unternehmensfälle in RAG genügen 8B‑ oder 12B‑Modelle; der Generator passt dann auf eine oder zwei Server‑GPUs. Michał Brzezicki, CTO von SentiOne, schätzt, dass polnische Modelle ein sehr gutes Qualitäts‑Kosten‑Verhältnis haben und auf Infrastruktur laufen, die die meisten polnischen Unternehmen bereits besitzen (PFR). 70B bedeutet eine Investition in mehrere H100‑ oder A100‑Karten – wählen Sie diese Größe daher erst nach Tests.

Die Tabelle ist ein Ausgangspunkt, kein fertiges Design. Die Anzahl der Karten bestimmt auch der Traffic, also parallele Anfragen und die Kontextlänge, die den KV‑Cache belegt. Quantisierung auf 8 oder 4 Bit reduziert den Speicherbedarf deutlich, ihren Einfluss auf die Qualität muss man jedoch auf dem Test‑Satz messen. Das Modell stellen wir über eine Inference Engine wie vLLM bereit, die viele Anfragen parallel bedient.

Die Gesamtkosten der Implementierung bestehen aus vier Teilen: Kauf oder Miete von GPUs, Datenaufbereitung, Integration mit Unternehmenssystemen sowie laufender Betrieb und Monitoring. Eigene Server lohnen sich bei dauerhaft hoher Auslastung. Bei geringem Traffic sind stundenweise GPU‑Miete oder ein nutzungsbasiertes Cloud‑Modell günstiger.

Ein Betrieb auf eigenen Servern bedeutet nicht automatisch Sicherheit. NASK beschrieb einen Fall, in dem ein Modell eine gefährliche Anfrage auf Englisch erkannte und ablehnte, auf Polnisch jedoch schädlichen Inhalt generierte (PFR, Gespräch mit NASK). Sicherheitstests führen wir daher auf Polnisch durch. Außerdem kontrollieren wir Dokument‑Berechtigungen, schützen das System vor Prompt‑Injection und protokollieren jede Antwort.

Wie Sie den richtigen Implementierungspartner für PLLuM wählen

Der Implementierungspartner verantwortet alles, was das Modell nicht mitbringt: Daten, Retrieval, Integrationen, Qualitäts‑ und Sicherheitstests. Bevor Sie einen Anbieter wählen, stellen Sie sechs Fragen:

Finanzierung der Implementierung

Die Implementierung eines polnischen KI‑Modells kann Teil eines Digitalisierungsprojekts sein, das aus EU‑Mitteln oder über ein zinsvergünstigtes Darlehen finanziert wird. Dann müssen Technologieumfang, Budget und messbare Effekte bereits im Antrag beschrieben werden. Als Implementierungspartner helfen wir, diesen Teil so vorzubereiten, dass sich das Projekt anschließend planmäßig realisieren lässt.

Webinar „PLLuM. Polski model AI. Od rozwoju modelu do pierwszych wdrożeń”

Der Polnische Entwicklungsfonds lädt zum Webinar „PLLuM. Polski model AI. Od rozwoju modelu do pierwszych wdrożeń“ am 24. November 2026 von 10:00–11:00 Uhr ein (Anmeldung auf pfr.pl). Expertinnen und Experten aus dem Projektteam erklären, wie die polnischen Modelle entstehen, was sie können, worin sie sich von anderen Lösungen unterscheiden und wohin sie sich entwickeln.

Wenn Sie eine Implementierung planen, bereiten Sie Fragen zu Lizenzen, Hardware‑Anforderungen und zu den Plänen für kommende Versionen vor. Nach dem Webinar vereinbaren Sie einen Scoping‑Workshop mit SH: Wir prüfen, ob PLLuM mit den Daten Ihres Unternehmens zurechtkommt.

Häufige Fragen zur Implementierung von PLLuM

Kann PLLuM kommerziell genutzt werden?

Ja, die Varianten unter den Lizenzen Apache 2.0 und Llama 3.1. Versionen mit dem Zusatz „nc“ sind ausschließlich für Forschung und nichtkommerzielle Nutzung.

Funktioniert PLLuM ohne Cloud?

Ja. Das Modell kann lokal auf einem Server mit GPU im Unternehmen oder im gewählten Rechenzentrum betrieben werden. Daten gehen dabei nicht an Model‑Provider.

Was kostet die Implementierung von PLLuM?

Die Lizenz ist kostenlos. Die Kosten ergeben sich aus Hardware oder GPU‑Miete, Datenaufbereitung, Integrationen sowie Betrieb. Eine belastbare Kalkulation ist nach dem Scoping‑Workshop möglich, wenn Prozess und Daten klar sind.

PLLuM oder Bielik?

Beide Modelle sind polnisch und offen. Die Wahl sollte Tests auf den Unternehmensdaten folgen – nicht der Marke.

Welcher Implementierungspartner setzt PLLuM um?

Ein Anbieter mit Erfahrung in RAG‑Systemen, Integrationen sowie Qualitätstests von Sprachmodellen. SH arbeitet mit PLLuM, Bielik und kommerziellen Modellen und wählt anhand von Tests auf den Daten des Kunden.

SH – Implementierungspartner für PLLuM und polnische KI‑Modelle

SH ist ein polnischer AI‑Implementierungspartner, aktiv seit 2016. Im SH AI Studio implementieren wir Lösungen auf Basis von Sprachmodellen: von Wissensassistenten bis zu Multi‑Agenten‑Systemen im Produktivbetrieb. Wir sind nach ISO 27001 zertifiziert; Kundendaten werden nie zum Training von Modellen genutzt.

Wir arbeiten u. a. für Produktions‑ und Finanzunternehmen sowie die Cybersecurity‑Branche. Beispiel: Durch eine AI‑Schicht in einer Cybersecurity‑Plattform verkürzte sich die Onboarding‑Zeit neuer Nutzer um 95 %.

Wir legen uns nicht auf ein einzelnes Modell fest. Mit PLLuM und Bielik arbeiten wir dort, wo Datensouveränität zählt; mit kommerziellen Modellen dort, wo deren Stärke benötigt wird. Die Entscheidung fällt anhand von Tests auf den Daten des Kunden.

Starten Sie mit einem Scoping‑Workshop. Gemeinsam wählen wir einen Prozess, prüfen die Daten und vergleichen PLLuM mit Alternativen anhand von Beispielen aus Ihrem Unternehmen. Nach dem Workshop erhalten Sie:

• eine Modell‑Empfehlung (PLLuM, Bielik oder ein kommerzielles Modell) mit Begründung,
• eine erste Kostenkalkulation für Infrastruktur und Implementierung,
• einen Pilotplan mit einem messbaren Ziel.

Scoping‑Workshop mit SH vereinbaren