{"id":3071,"date":"2023-05-04T10:10:28","date_gmt":"2023-05-04T08:10:28","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/?p=3071"},"modified":"2023-05-04T10:10:28","modified_gmt":"2023-05-04T08:10:28","slug":"entscheidungen-mithilfe-mathematischer-optimierung","status":"publish","type":"post","link":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/","title":{"rendered":"Mit Mathematischer Optimierung die richtigen Entscheidungen treffen"},"content":{"rendered":"

Entscheidungsunterst\u00fctzung entlang der Supply Chain<\/strong><\/p>\n

<\/p>\n

Das Besondere am ADA Lovelace Center ist die Verkn\u00fcpfung von Kompetenzen der KI-Forschung mit praxisnahen Applikation. So forschen die Wissenschaftler nicht nur in einer Kompetenzs\u00e4ule wie \u00bbSequenzbasiertes Lernen\u00ab, \u00bbData-centric AI\u00ab oder \u00bbVertrauensw\u00fcrdige KI\u00ab, sondern nutzen die Methoden in verschiedenen praxisnahen Fragestellungen und entwickeln sie anhand derer weiter.
\nIch freue mich, Ihnen heute wieder einen Beitrag eines Experten des ADA Lovelace Center rund um seinen Forschungsschwerpunkt pr\u00e4sentieren zu d\u00fcrfen. Julius Mehringer leitet die Applikation \u00bbAdaptive Selbstoptimierende logistische Netzwerke<\/a>\u00ab und entwickelt geeignete mathematische Optimierungsmodelle, um Entscheidungen bezogen auf ein komplexes Gesamtsystems zu erm\u00f6glichen.<\/p>\n

Tauchen Sie ein in die Welt der \u00bbMathematischen Optimierung<\/a>\u00ab und wie sie hilft innerhalb komplexer Gesch\u00e4ftsprozesse optimale Entscheidungen zu treffen!<\/p>\n

Prognose und mathematische Optimierung in praktischer Anwendung<\/strong><\/h3>\n

Entlang der Supply Chain sind st\u00e4ndig unternehmerische Entscheidungen zu treffen, um definierte Gesch\u00e4ftsziele zu erreichen. In vielen F\u00e4llen m\u00fcssen dabei Entwicklungen der Zukunft abgesch\u00e4tzt werden, um darauf basierend gute Planungsentscheidungen treffen zu k\u00f6nnen. Fragen wie \u00bbWie wird die zuk\u00fcnftige Nachfrage sein?\u00ab oder \u00bbUm diese wahrscheinliche Nachfrage zu decken, wie m\u00fcssen wir unsere Produktion planen?\u00ab lassen sich im Forschungsfeld Prescriptive Analytics<\/em> zusammenfassen \u2013 der kombinierte Einsatz von Prognose und Optimierung zur Entscheidungsfindung.<\/p>\n

Optimale Produktionsplanung bei Mischprodukten<\/strong><\/h3>\n

Lassen Sie uns im Folgenden eine modellhafte Supply Chain innerhalb eines produzierenden Unternehmens in der verarbeitenden Industrie betrachten. In diesem Modellunternehmen wird durch das Mischen von Rohmaterialien ein Produkt erzeugt, welches eine gleichbleibende G\u00fcte aufweisen soll. Im ersten Schritt gilt es, das Mischproblem so zu l\u00f6sen, dass das Ergebnis in akzeptabler Schnelligkeit zur Verf\u00fcgung steht. Dazu wurde die mathematische Struktur des Problems untersucht und identifiziert, wie die L\u00f6sung beschleunigt werden kann.<\/p>\n

Produktionsbereichsabh\u00e4ngige Rahmenbedingungen und kundenspezifische Priorit\u00e4ten und Ziele verleihen dabei dem mathematischen Modell individuellen Charakter. Unterschiedliche Gesch\u00e4ftsziele, wie beispielsweise maximierte Auftragsabdeckung, baldige Verwendung von Roh- bzw. Zwischenmaterialchargen, deren Qualit\u00e4t bei weiterer Lagerung potenziell abnehmen k\u00f6nnte, k\u00f6nnen in einer Kette von aufeinander aufbauenden Modellen priorisiert ber\u00fccksichtigt werden.<\/p>\n

Die Ergebnisse der mathematischen Optimierung bieten dem Produktionsplanenden eine wertvolle Entscheidungsunterst\u00fctzung und erwirtschaften folglich eine Zeit- und Kostenersparnis f\u00fcr das Unternehmen. Dar\u00fcber hinaus erm\u00f6glicht die vorausschauende Planung eine nachhaltigere Lagerf\u00fchrung.<\/p>\n

\"\"<\/a><\/p>\n

Prognose der Produktnachfrage<\/strong><\/h3>\n

Desweiteren soll auch die Nachfrage der Produkte prognostiziert werden, da bisher der Planungsprozess basierend auf Heuristiken erstellt wird. Je nach Charakteristik der Nachfragemuster kommen hier unterschiedliche Methoden in Frage, die mittels statistischer Verfahren oder maschinellem Lernen erlernt werden k\u00f6nnen (bspw. Exponential Smoothing (ETS) oder tiefe autoregressive Modelle (DeepAR)). Ein besonderes Augenmerk sei hier auf die Generierung probabilistischer Vorhersagen gelegt, mittels derer auch die mit Prognosen einhergehende Unsicherheit abgesch\u00e4tzt werden kann. Dadurch kann ein Unternehmen weitere Planungssicherheit gewinnen, indem es sich gegen ein bestimmtes Unsicherheitsniveau absichert. Aufbauend auf dem oben skizzierten Optimierungsmodell kann dann ein sogenanntes stochastisches Optimierungsmodell formuliert werden, das einen gegen\u00fcber einer gewissen Unsicherheit robusten Produktionsplan erzeugt. Damit ist das Unternehmen auch in unsicheren Absatzszenarien mathematisch garantiert dazu in der Lage, auftretende Nachfrage schnell zu erf\u00fcllen.<\/p>\n

Julius Mehringer<\/p>\n

————————————————————————————————————————————————–<\/p>\n

Making the right decisions with mathematical optimization \u2013 <\/strong>Decision support along the supply chain<\/strong><\/h2>\n

The special characteristic of the ADA Lovelace Center is the combination of competencies in AI research with practical applications. The scientists do not only research in one competence pillar like “Sequence-based Learning”, “Data-centric AI” or “Trustworthy AI\u201c but develop and use the methods in different practice-oriented issues.Today, I am pleased to present another guest blog post from an expert at the ADA Lovelace Center focusing on his research. Julius Mehringer leads the application “Adaptive Self-Optimizing Logistic Networks<\/a>”\u00a0 and develops suitable mathematical optimization models to enable decisions related to a complex system.<\/p>\n

Join me diving into the world of “Mathematical Optimization<\/a>” and how it helps to make optimal decisions within complex business processes!<\/p>\n

Forecasting and mathematical optimization in practical application<\/strong><\/h3>\n

In order to achieve defined business goals, employees need to constantly arrive at promising business decisions. In many cases, estimates about the future can help to make proper planning decisions. Questions such as “What will future demand be?” or “To likely meet this demand, how do we need to plan our production?” are tackled in the research field of Prescriptive Analytics – the combined use of forecasting and optimization for decision making.<\/p>\n

Optimal production planning for mixed products<\/strong><\/h3>\n

Imagine a model supply chain within a manufacturing company in the processing industry. In this model company, a product is produced by mixing raw materials, which should have a consistent quality. The first step is to solve the mixing problem in such a way that the result is available in an acceptable amount of time. For this purpose, the mathematical structure of the problem was investigated, and it was identified how the time needed solution can be decreased.<\/p>\n

Conditions dependent on the production area as well as customer-specific priorities and goals lead to individual characteristics of the mathematical model.<\/p>\n

The mathematical model\u2019s individual character \u00a0is dependent on the production area-dependent conditions and customer-specific priorities and goals. Different business objectives, such as maximized order coverage, early use of raw or intermediate material batches that would decline in quality if kept for much longer, or customer and order prioritization, can be considered in a prioritized manner in a chain of models that build on one another.<\/p>\n

The results of the mathematical optimization provide valuable decision support for the production planner and consequently reduce time and costs for the company. Furthermore, prescient planning enables a more sustainable inventory management.<\/p>\n

\"\"<\/a><\/p>\n

Forecasting the demand for products<\/strong><\/h3>\n

So far, heuristics dominate the estimation of future occurring demand. In order to improve decision making even in scenarios lying in the future, the demand of products can also be forecasted. Depending on the characteristics of the demand patterns, statistical or machine learning methods (e.g. Exponential Smoothing (ETS) or deep autoregressive models (DeepAR)) are able to capture historical demand patterns and extrapolate those patterns to the future. Especially probabilistic forecasts are of relevance, since those can also be used to estimate the uncertainty associated with the obtained forecasts. This allows a company to achieve further planning assurance by protecting itself against a certain level of uncertainty. Then, combining the forecasting model and the optimization model outlined above, a so-called stochastic optimization model can be formulated. It generates a production plan robust against a certain level of uncertainty. In this way, the company is mathematically guaranteed to be able to quickly meet demand as it arises, even in uncertain demand scenarios.<\/p>\n

Julius Mehringer<\/p>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

Entscheidungsunterst\u00fctzung entlang der Supply Chain<\/p>\n","protected":false},"author":2,"featured_media":3082,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[54,1],"tags":[67,64,121,69,122],"coauthors":[5],"class_list":["post-3071","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-anwendungen","category-forschung","tag-ai","tag-ki","tag-mathematical-optimization","tag-mathematische-optimierung","tag-supply-chain"],"acf":[],"yoast_head":"\nMit Mathematischer Optimierung die richtigen Entscheidungen treffen - adalovelacecenter-blog<\/title>\n<meta name=\"description\" content=\"\u00bbWie wird die zuk\u00fcnftige Nachfrage sein?\u00ab oder \u00bbUm diese wahrscheinliche Nachfrage zu decken, wie m\u00fcssen wir unsere Produktion planen?\u00ab sicher beantworten mit dem kombinierten Einsatz von Prognose und Mathematischer Optimierung.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Entscheidungsunterst\u00fctzung entlang der Supply Chain\" \/>\n<meta property=\"og:description\" content=\"Fragen wie \u00bbWie wird die zuk\u00fcnftige Nachfrage sein?\u00ab oder \u00bbUm diese wahrscheinliche Nachfrage zu decken, wie m\u00fcssen wir unsere Produktion planen?\u00ab lassen sich im Forschungsfeld Prescriptive Analytics zusammenfassen \u2013 der kombinierte Einsatz von Prognose und Optimierung zur Entscheidungsfindung.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/\" \/>\n<meta property=\"og:site_name\" content=\"adalovelacecenter-blog\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/de-de.facebook.com\/FraunhoferIIS\" \/>\n<meta property=\"article:published_time\" content=\"2023-05-04T08:10:28+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-content\/uploads\/2023\/04\/Fotolia_144023628_XXL-scaled.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"1114\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Anik\u00f3 Enderlein\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:title\" content=\"Entscheidungsunterst\u00fctzung entlang der Supply Chain\" \/>\n<meta name=\"twitter:description\" content=\"Fragen wie \u00bbWie wird die zuk\u00fcnftige Nachfrage sein?\u00ab oder \u00bbUm diese wahrscheinliche Nachfrage zu decken, wie m\u00fcssen wir unsere Produktion planen?\u00ab lassen sich im Forschungsfeld Prescriptive Analytics zusammenfassen \u2013 der kombinierte Einsatz von Prognose und Optimierung zur Entscheidungsfindung.\" \/>\n<meta name=\"twitter:image\" content=\"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-content\/uploads\/2023\/04\/Fotolia_144023628_XXL-scaled.jpg\" \/>\n<meta name=\"twitter:creator\" content=\"@FraunhoferIIS\" \/>\n<meta name=\"twitter:site\" content=\"@FraunhoferIIS\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Anik\u00f3 Enderlein\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"5\u00a0Minuten\" \/>\n\t<meta name=\"twitter:label3\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data3\" content=\"Anik\u00f3 Enderlein\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/entscheidungen-mithilfe-mathematischer-optimierung\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/entscheidungen-mithilfe-mathematischer-optimierung\\\/\"},\"author\":{\"name\":\"Anik\u00f3 Enderlein\",\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/#\\\/schema\\\/person\\\/db1f6550f5aeffe2718604493fee7639\"},\"headline\":\"Mit Mathematischer Optimierung die richtigen Entscheidungen treffen\",\"datePublished\":\"2023-05-04T08:10:28+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/entscheidungen-mithilfe-mathematischer-optimierung\\\/\"},\"wordCount\":1096,\"image\":{\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/entscheidungen-mithilfe-mathematischer-optimierung\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/wp-content\\\/uploads\\\/2023\\\/04\\\/Fotolia_144023628_XXL-scaled.jpg\",\"keywords\":[\"AI\",\"KI\",\"mathematical optimization\",\"Mathematische Optimierung\",\"supply chain\"],\"articleSection\":[\"Anwendungen\",\"Forschung\"],\"inLanguage\":\"de\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/entscheidungen-mithilfe-mathematischer-optimierung\\\/\",\"url\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/entscheidungen-mithilfe-mathematischer-optimierung\\\/\",\"name\":\"Mit Mathematischer Optimierung die richtigen Entscheidungen treffen - adalovelacecenter-blog\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/entscheidungen-mithilfe-mathematischer-optimierung\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/entscheidungen-mithilfe-mathematischer-optimierung\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/wp-content\\\/uploads\\\/2023\\\/04\\\/Fotolia_144023628_XXL-scaled.jpg\",\"datePublished\":\"2023-05-04T08:10:28+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/#\\\/schema\\\/person\\\/db1f6550f5aeffe2718604493fee7639\"},\"description\":\"\u00bbWie wird die zuk\u00fcnftige Nachfrage sein?\u00ab oder \u00bbUm diese wahrscheinliche Nachfrage zu decken, wie m\u00fcssen wir unsere Produktion planen?\u00ab sicher beantworten mit dem kombinierten Einsatz von Prognose und Mathematischer Optimierung.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/entscheidungen-mithilfe-mathematischer-optimierung\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/entscheidungen-mithilfe-mathematischer-optimierung\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/entscheidungen-mithilfe-mathematischer-optimierung\\\/#primaryimage\",\"url\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/wp-content\\\/uploads\\\/2023\\\/04\\\/Fotolia_144023628_XXL-scaled.jpg\",\"contentUrl\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/wp-content\\\/uploads\\\/2023\\\/04\\\/Fotolia_144023628_XXL-scaled.jpg\",\"width\":2560,\"height\":1114,\"caption\":\"Logistics chain concept. From customer shopping (purchase) over transportation (delivery, cargo) to customer scheme.\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/entscheidungen-mithilfe-mathematischer-optimierung\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Startseite\",\"item\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Mit Mathematischer Optimierung die richtigen Entscheidungen treffen\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/#website\",\"url\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/\",\"name\":\"adalovelacecenter-blog\",\"description\":\"Kompetenzzentrum f\u00fcr Analytics, Daten und Applikationen\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/#\\\/schema\\\/person\\\/db1f6550f5aeffe2718604493fee7639\",\"name\":\"Anik\u00f3 Enderlein\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/942081197915d7b4a2d8f7bfc7b23d11dd4ecb2dfd82459877ad80d63ab5cc9e?s=96&d=blank&r=g21b42071b31be472f88371fb038bd9ef\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/942081197915d7b4a2d8f7bfc7b23d11dd4ecb2dfd82459877ad80d63ab5cc9e?s=96&d=blank&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/942081197915d7b4a2d8f7bfc7b23d11dd4ecb2dfd82459877ad80d63ab5cc9e?s=96&d=blank&r=g\",\"caption\":\"Anik\u00f3 Enderlein\"},\"url\":\"https:\\\/\\\/websites.fraunhofer.de\\\/adalovelacecenter-blog\\\/author\\\/aniko_enderlein\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Mit Mathematischer Optimierung die richtigen Entscheidungen treffen - adalovelacecenter-blog","description":"\u00bbWie wird die zuk\u00fcnftige Nachfrage sein?\u00ab oder \u00bbUm diese wahrscheinliche Nachfrage zu decken, wie m\u00fcssen wir unsere Produktion planen?\u00ab sicher beantworten mit dem kombinierten Einsatz von Prognose und Mathematischer Optimierung.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/","og_locale":"de_DE","og_type":"article","og_title":"Entscheidungsunterst\u00fctzung entlang der Supply Chain","og_description":"Fragen wie \u00bbWie wird die zuk\u00fcnftige Nachfrage sein?\u00ab oder \u00bbUm diese wahrscheinliche Nachfrage zu decken, wie m\u00fcssen wir unsere Produktion planen?\u00ab lassen sich im Forschungsfeld Prescriptive Analytics zusammenfassen \u2013 der kombinierte Einsatz von Prognose und Optimierung zur Entscheidungsfindung.","og_url":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/","og_site_name":"adalovelacecenter-blog","article_publisher":"https:\/\/de-de.facebook.com\/FraunhoferIIS","article_published_time":"2023-05-04T08:10:28+00:00","og_image":[{"width":2560,"height":1114,"url":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-content\/uploads\/2023\/04\/Fotolia_144023628_XXL-scaled.jpg","type":"image\/jpeg"}],"author":"Anik\u00f3 Enderlein","twitter_card":"summary_large_image","twitter_title":"Entscheidungsunterst\u00fctzung entlang der Supply Chain","twitter_description":"Fragen wie \u00bbWie wird die zuk\u00fcnftige Nachfrage sein?\u00ab oder \u00bbUm diese wahrscheinliche Nachfrage zu decken, wie m\u00fcssen wir unsere Produktion planen?\u00ab lassen sich im Forschungsfeld Prescriptive Analytics zusammenfassen \u2013 der kombinierte Einsatz von Prognose und Optimierung zur Entscheidungsfindung.","twitter_image":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-content\/uploads\/2023\/04\/Fotolia_144023628_XXL-scaled.jpg","twitter_creator":"@FraunhoferIIS","twitter_site":"@FraunhoferIIS","twitter_misc":{"Verfasst von":"Anik\u00f3 Enderlein","Gesch\u00e4tzte Lesezeit":"5\u00a0Minuten","Written by":"Anik\u00f3 Enderlein"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/#article","isPartOf":{"@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/"},"author":{"name":"Anik\u00f3 Enderlein","@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/#\/schema\/person\/db1f6550f5aeffe2718604493fee7639"},"headline":"Mit Mathematischer Optimierung die richtigen Entscheidungen treffen","datePublished":"2023-05-04T08:10:28+00:00","mainEntityOfPage":{"@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/"},"wordCount":1096,"image":{"@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/#primaryimage"},"thumbnailUrl":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-content\/uploads\/2023\/04\/Fotolia_144023628_XXL-scaled.jpg","keywords":["AI","KI","mathematical optimization","Mathematische Optimierung","supply chain"],"articleSection":["Anwendungen","Forschung"],"inLanguage":"de"},{"@type":"WebPage","@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/","url":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/","name":"Mit Mathematischer Optimierung die richtigen Entscheidungen treffen - adalovelacecenter-blog","isPartOf":{"@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/#website"},"primaryImageOfPage":{"@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/#primaryimage"},"image":{"@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/#primaryimage"},"thumbnailUrl":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-content\/uploads\/2023\/04\/Fotolia_144023628_XXL-scaled.jpg","datePublished":"2023-05-04T08:10:28+00:00","author":{"@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/#\/schema\/person\/db1f6550f5aeffe2718604493fee7639"},"description":"\u00bbWie wird die zuk\u00fcnftige Nachfrage sein?\u00ab oder \u00bbUm diese wahrscheinliche Nachfrage zu decken, wie m\u00fcssen wir unsere Produktion planen?\u00ab sicher beantworten mit dem kombinierten Einsatz von Prognose und Mathematischer Optimierung.","breadcrumb":{"@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/#primaryimage","url":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-content\/uploads\/2023\/04\/Fotolia_144023628_XXL-scaled.jpg","contentUrl":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-content\/uploads\/2023\/04\/Fotolia_144023628_XXL-scaled.jpg","width":2560,"height":1114,"caption":"Logistics chain concept. From customer shopping (purchase) over transportation (delivery, cargo) to customer scheme."},{"@type":"BreadcrumbList","@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/entscheidungen-mithilfe-mathematischer-optimierung\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Startseite","item":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/"},{"@type":"ListItem","position":2,"name":"Mit Mathematischer Optimierung die richtigen Entscheidungen treffen"}]},{"@type":"WebSite","@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/#website","url":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/","name":"adalovelacecenter-blog","description":"Kompetenzzentrum f\u00fcr Analytics, Daten und Applikationen","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/#\/schema\/person\/db1f6550f5aeffe2718604493fee7639","name":"Anik\u00f3 Enderlein","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/secure.gravatar.com\/avatar\/942081197915d7b4a2d8f7bfc7b23d11dd4ecb2dfd82459877ad80d63ab5cc9e?s=96&d=blank&r=g21b42071b31be472f88371fb038bd9ef","url":"https:\/\/secure.gravatar.com\/avatar\/942081197915d7b4a2d8f7bfc7b23d11dd4ecb2dfd82459877ad80d63ab5cc9e?s=96&d=blank&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/942081197915d7b4a2d8f7bfc7b23d11dd4ecb2dfd82459877ad80d63ab5cc9e?s=96&d=blank&r=g","caption":"Anik\u00f3 Enderlein"},"url":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/author\/aniko_enderlein\/"}]}},"_links":{"self":[{"href":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-json\/wp\/v2\/posts\/3071","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-json\/wp\/v2\/comments?post=3071"}],"version-history":[{"count":9,"href":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-json\/wp\/v2\/posts\/3071\/revisions"}],"predecessor-version":[{"id":3083,"href":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-json\/wp\/v2\/posts\/3071\/revisions\/3083"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-json\/wp\/v2\/media\/3082"}],"wp:attachment":[{"href":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-json\/wp\/v2\/media?parent=3071"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-json\/wp\/v2\/categories?post=3071"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-json\/wp\/v2\/tags?post=3071"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/websites.fraunhofer.de\/adalovelacecenter-blog\/wp-json\/wp\/v2\/coauthors?post=3071"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}