Operations Research: Von Luftabwehr bis Pizza-Logistik

Eleanor Finch

Hallo und herzlich willkommen! Stellen Sie sich vor, es ist das Jahr 1940. Großbritannien befindet sich im Krieg, und eine bunt zusammengewürfelte Gruppe aus Physikern, Militärs und sogar Zivilisten -- bekannt als Blacketts Circus -- sitzt in einem verrauchten Raum. Ihre Aufgabe? Nicht weniger als die mathematische Optimierung der britischen Luftabwehr gegen deutsche Angriffe.

Eleanor Finch

Das war die Geburtsstunde von Operations Research, kurz OR. Was als militärische Notwendigkeit begann, entwickelte sich nach 1945 rasant zu einer zivilen Superkraft für komplexe Entscheidungen. Heute nutzen wir diese Methoden, ohne es zu merken, wenn wir den perfekten Urlaub planen, Schokoladenrezepte optimieren oder Lieferdienste koordinieren.

Eleanor Finch

Nehmen wir das klassische Beispiel einer Europareise. Sie haben 14 Tage Zeit, ein festes Spesenbudget von 1000 Euro und eine Liste von Städten wie London, Paris oder Rom mit persönlichen Präferenzpunkten. Wie maximieren Sie Ihren Urlaubseffekt? Das ist kein Raten mehr, das ist reine mathematische Modellierung.

Eleanor Finch

Jedes dieser Optimierungsprobleme baut auf drei heiligen Säulen auf. Erstens: die Entscheidungsvariablen. Das ist das, was wir wissen wollen -- in unserem Fall, wie viele Tage wir in jeder Stadt verbringen. Zweitens: die Zielfunktion. Das ist unser Kompass, der Wert, den wir maximieren wollen, also die Summe unserer Urlaubsvorlieben. Und drittens: die Nebenbedingungen oder Restriktionen. Das sind die harten Grenzen der Realität -- unsere maximale Reisezeit von 14 Tagen und das limitierte Budget von 1000 Euro.

Eleanor Finch

Oder denken Sie an eine Pizza-Fahrereinsatzplanung. Das Ziel ist hier die Minimierung der Kosten -- wir wollen so wenige Fahrer wie möglich einstellen, aber gleichzeitig garantieren, dass in jeder halben Stunde genügend Kuriere auf der Straße sind, um die heißen Pizzen auszuliefern. Wenn man das falsch modelliert, schlägt die Realität schnell zu. Ein naiver erster Modellierungsversuch zeigt uns vielleicht, dass wir rein rechnerisch 16,2 Fahrer brauchen, was gerundet 17 Fahrern entspricht. Aber weil echte Menschen feste Schichten und Pausenzeiten haben, zeigt uns ein mathematisch korrektes Modell mit echten Dienstplänen, dass wir eigentlich mindestens 19 Fahrer benötigen, um alle Bedingungen zu erfüllen. Das ist der Unterschied zwischen Theorie und echter Optimierung.

Eleanor Finch

Ein letztes wunderschönes Beispiel für die Modellierung ist die Produktion von Schokoriegeln. Sie produzieren zwei Sorten: Snackers und Granita. Sie haben begrenzte Lagerbestände an Zucker, Nüssen und Kakao. Snackers bringt mehr Umsatz, braucht aber auch mindestens 20 Prozent Nüsse. Granita bringt weniger, ist aber flexibler. Wie mischen Sie die Zutaten grammgenau und wie viele Riegel stellen Sie her, um den Umsatz zu maximieren? Durch die Übersetzung dieser Anforderungen in lineare Gleichungen entsteht ein System, das uns die exakte, absolut unschlagbare Lösung liefert. In diesem Fall: exakt 1400 Snackers und 1200 Granita für einen maximalen Umsatz von 3300 Euro. Kein Bauchgefühl, sondern reine, elegante Mathematik.

Eleanor Finch

Aber wie lösen wir diese mathematischen Ungetüme, wenn sie einmal aufgeschrieben sind? Der absolute Königsweg für lineare Programme ist der Simplex-Algorithmus. Stellen Sie sich ein geometrisches Gebilde im Raum vor, bei dem jede Ecke eine zulässige Lösung darstellt. Der Simplex-Algorithmus startet an einer Ecke -- sagen wir, der Option 'Wir bleiben einfach faul zu Hause' mit einem Zielfunktionswert von Null -- und wandert dann systematisch von Ecke zu Ecke entlang der Kanten nach oben, wobei sich der Wert mit jedem Schritt verbessert, bis er die absolute Spitze, das globale Optimum, erreicht.

Eleanor Finch

Und hier kommt ein genialer mathematischer Zwilling ins Spiel: die Duality oder Dualitätstheorie. Jedes primale Maximierungsproblem hat ein duales Minimierungsproblem. Wenn wir das eine lösen, lösen wir das andere gleich mit. Die Dualvariablen liefern uns extrem wertvolle ökonomische Erkenntnisse -- die sogenannten Schattenpreise oder Opportunitätskosten.

Eleanor Finch

Ein Schattenpreis sagt uns zum Beispiel: 'Wenn du einen zusätzlichen Quadratmeter Parkfläche für deine Autovermietung anmietest, steigt dein Gewinn um exakt 90 Euro.' Wenn die Anmietung aber nur 16 Euro kostet, sollten Sie sofort zuschlagen! Der Schattenpreis zeigt uns also präzise, wie viel uns eine zusätzliche Einheit einer knappen Ressource wert sein sollte.

Eleanor Finch

Was aber, wenn wir keine halben Sachen machen können? Bei der ganzzahligen Optimierung -- wenn wir keine halben Autos vermieten oder halbe Beratergespräche führen können -- versagt der normale Simplex. Hier kommt 'Branch and Bound' ins Spiel. Wir teilen das Problem systematisch auf, wie die Äste eines Baumes, und berechnen für jeden Ast Schranken. Wenn wir sehen, dass ein ganzer Ast mathematisch unmöglich eine bessere Lösung als unsere bereits gefundene liefern kann, schneiden wir ihn komplett ab. Das spart enorme Rechenzeit.

Eleanor Finch

Und schließlich die Graphentheorie, die die Grundlage moderner Navigationssysteme bildet. Mit dem Kruskal-Algorithmus finden wir den minimalen aufspannenden Baum, um beispielsweise ein Schienennetz mit minimaler Gesamtlänge so zu bauen, dass noch alle Städte verbunden sind. Und mit dem berühmten Dijkstra-Algorithmus oder dem FIFO-Verfahren berechnen wir in Millisekunden den absolut kürzesten Weg von A nach B durch ein Netz von Straßen.

Eleanor Finch

Ob ungarische Methode für die perfekte Personalzuordnung oder Bellman'sche Funktionalgleichung für dynamische Prozesse -- Operations Research ist der strukturierte Leitfaden für rationale Entscheidungen unter Restriktionen. Wenn Sie das nächste Mal vor einer komplexen Entscheidung stehen, denken Sie daran: Es gibt ein Modell dafür. Vielen Dank fürs Zuhören, und bis zum nächsten Mal!