"Mathematische Optimierung" und die Abgrenzung zu "KI" und "Big Data".

Wie funktioniert softwarebasierte Entscheidungsunterstützung auf Basis mathematischer Optimierung?

Der Mehrwert von transparenten, nachvollziehbaren Entscheidungen.

Typische Einsatzgebiete: Inbound-Logistik, Produktionsplanung, Ausschreibungsunterstützung, CO₂-Optimierung.

Vorgehensweise bei Projekten: Erste Analyse mit Kunden (Fachplaner). Dann Proof of Concept auf Basis vereinfachter Modelle. Bei Erfolg: Entwicklung einer Softwarelösung mithilfe vorhandener Frameworks.

Auch Unternehmen mit Excel-gestützter Schatten-IT können geeignete Kunden sein.

Fokus liegt eher auf Reifegrad und Optimierungspotenzial als auf eingesetzten Tools.

Ablauf typischer Zusammenarbeit: Proof of Concept → Managemententscheidung → agile Softwareentwicklung.

Ziele über Kostensenkung hinaus: Auch Verbesserung des Kundenservices und Erhöhung von Flexibilität können Ziele sein. Mathematik ermöglicht dabei z. B. Service-Level-Optimierung.

Die Grenzen mathematischer Optimierung: Menschliche und politische Faktoren (z. B. Silos) können die Umsetzung behindern.

Mathematische Modelle können helfen, aber nicht alle Probleme lösen.

Datenqualität als wiederkehrendes Problem: Garbage-in/Garbage-out ist Realität. Nutzung von "Schattendaten" als Workaround.

Zukünftiger Einsatz von KI: Unterstützung bei Benutzerführung (z. B. via Sprache). Datenqualität verbessern, Unstimmigkeiten erkennen. Extraktion von implizitem Wissen aus historischen Daten. Rolle von KI in der Softwareentwicklung

und vieles mehr