Einführung & Abgrenzung
Anwendungsfälle, in denen ein mathematischer Optimierer (LP/MIP/CP-SAT, Metaheuristiken, RL-Policies) unter Nebenbedingungen die beste zulässige Entscheidung berechnet; ML (Prognosen, gelernte Kosten) liefert Eingaben, und ein LLM umhüllt den Optimierer höchstens (Modellierungs-Copilot, Erklärungen). Muster: OPT.LOGISTICS (Routing, Bestand, Packen, Netzwerk), OPT.SCHEDULE (Produktion, Personal, Fahrpläne, Disposition), OPT.RESOURCE (Energie, Preise, Portfolio, Zuteilung), OPT.PROCESS (Anlagen-/Prozessparameter, Regelung).
Abgrenzungen: reine Prognose gehört zu PRED (OPT nutzt deren Ergebnis); Anomalie-Alarme zu ANOM; reine LLM-Agenten zu AGENT. Überschneidungen: OPT-001/019/028 (Routing vs. Technikereinsatz vs. Ridepooling: Tourenplanung mit fester Flotte vs. qualifikations-/terminbasiert vs. Echtzeit auf Abruf), OPT-011/021/032/022/039 (Batterie, E-Flotten-Depot, Haushalt, Netzbetreiber, Handel: gleicher Dispositionskern, andere Anlageneigner und Marktrolle), OPT-009/038/024 (Parameteroptimierung offline vs. geschlossene Regelung vs. wasserspezifisch), OPT-003/035 (Schichtplanung vs. Contact-Center-Routing; beide betreffen Beschäftigte, KI-Verordnung (AI Act) „hängt davon ab“ über Anhang III Beschäftigung, wenn Mitarbeiterzuteilung/-überwachung automatisiert wird). Das sicherheitskritische OPT-029 ist hochriskant (Notfalldisposition, Anhang III 5(d)).
Begründung zur KI-Verordnung (AI Act), allgemein: minimal, wenn Entscheidungen Anlagen/Waren betreffen; „hängt davon ab“, wenn Aufgaben/Schichten Beschäftigten zugeteilt werden oder das System eine Sicherheitskomponente kritischer Infrastruktur ist (Energie, Wasser, Verkehr, Anhang III 2); hoch, wo Notdienste triagiert werden.
Anwendungsfälle
| ID | Title | Pattern | Maturity | Path | HW tier | AI Act risk |
|---|---|---|---|---|---|---|
| OPT-001 | Tourenplanung & Tourenoptimierung | OPT.LOGISTICS | mainstream | A | HW1 | minimal |
| OPT-002 | Produktionsfeinplanung & Advanced Planning (APS) | OPT.SCHEDULE | mainstream | A | HW1 | minimal |
| OPT-003 | Personaleinsatzplanung & Schichtplanung | OPT.SCHEDULE | mainstream | A | HW1 | depends |
| OPT-004 | Dynamische Preisgestaltung & Revenue Management | OPT.RESOURCE | mainstream | A | HW1 | minimal |
| OPT-005 | Bestandsoptimierung & automatische Nachbestellung | OPT.LOGISTICS | mainstream | A | HW1 | minimal |
| OPT-006 | Lagerplatzvergabe & Kommissionieroptimierung | OPT.LOGISTICS | mainstream | A | HW1 | minimal |
| OPT-007 | Gebäudeenergiemanagement & HLK-Optimierung | OPT.RESOURCE | early-adopter | A | HW1 | minimal |
| OPT-008 | Supply-Chain-Netzwerkdesign & S&OP-Planung | OPT.LOGISTICS | mainstream | A | HW1 | minimal |
| OPT-009 | Optimierung von Fertigungsprozessparametern | OPT.PROCESS | early-adopter | A | HW1 | depends |
| OPT-010 | Portfoliooptimierung & algorithmischer Handel | OPT.RESOURCE | mainstream | A | HW1 | minimal |
| OPT-011 | Einsatzoptimierung von Batteriespeichern & Netzflexibilität | OPT.RESOURCE | early-adopter | A | HW1 | depends |
| OPT-012 | Lade-, Container- & Zuschnittoptimierung (Packen/Nesting) | OPT.LOGISTICS | mainstream | A | HW1 | minimal |
| OPT-013 | Stundenplanung (Schulen, Hochschulen, öffentlicher Verkehr) | OPT.SCHEDULE | mainstream | A | HW1 | minimal |
| OPT-014 | Präzisionslandwirtschaft: Bewässerungs- & Düngeoptimierung | OPT.PROCESS | mainstream | A | HW1 | minimal |
| OPT-015 | Cloud-Kosten- & Rechenressourcenoptimierung (FinOps) | OPT.RESOURCE | mainstream | A | HW1 | minimal |
| OPT-016 | Verkaufsförderungsoptimierung & Aktionsplanung (Konsumgüter / Handel) | OPT.RESOURCE | mainstream | A | HW1 | minimal |
| OPT-017 | Sortimentsplanung & Verkaufsflächenoptimierung | OPT.RESOURCE | mainstream | A | HW1 | minimal |
| OPT-018 | Optimierungsmodellierung in natürlicher Sprache & Entscheidungs-Copilot | OPT.PROCESS | early-adopter | B | HW1 | minimal |
| OPT-019 | Außendienstplanung & Technikereinsatzoptimierung | OPT.SCHEDULE | mainstream | A | HW1 | depends |
| OPT-020 | Störungsmanagement & Betriebswiederherstellung (Luftfahrt, Bahn, öffentlicher Verkehr) | OPT.SCHEDULE | early-adopter | A | HW1 | depends |
| OPT-021 | Intelligente Ladeoptimierung für E-Fahrzeugflotten & Depots | OPT.RESOURCE | early-adopter | A | HW1 | minimal |
| OPT-022 | Engpassmanagement im Verteilnetz & Redispatch-Optimierung (VNB/ÜNB) | OPT.RESOURCE | early-adopter | A | HW1 | depends |
| OPT-023 | Einsatzoptimierung von Fernwärme & KWK | OPT.RESOURCE | early-adopter | A | HW1 | depends |
| OPT-024 | Optimierung von Wasser- & Abwasserbehandlung (Belüftung, Dosierung, Pumpenfahrplan) | OPT.PROCESS | early-adopter | A | HW1 | depends |
| OPT-025 | Adaptive Verkehrssignalsteuerung | OPT.SCHEDULE | early-adopter | A | HW1 | depends |
| OPT-026 | Reise- & Flugbahnoptimierung (Wetterrouting, Treibstoff, Emissionen, Kondensstreifen) | OPT.LOGISTICS | mainstream | A | HW1 | minimal |
| OPT-027 | Terminoptimierung von Bau- & Investitionsprojekten und Verzugsrisikoprognose | OPT.SCHEDULE | early-adopter | A | HW1 | minimal |
| OPT-028 | Ridepooling auf Abruf & Disposition bedarfsgesteuerten Verkehrs | OPT.LOGISTICS | early-adopter | A | HW1 | minimal |
| OPT-029 | Einsatzmittelplanung im Rettungsdienst (Rettungswagen-Disposition, Verlegung & Standortplanung) | OPT.RESOURCE | early-adopter | B | HW1 | high |
| OPT-030 | Optimierung von Mobilfunknetzen (RAN) & Energiesparen | OPT.RESOURCE | early-adopter | A | HW1 | depends |
| OPT-031 | Rezeptur-, Mischungs- & Formulierungsoptimierung (Futter, Lebensmittel, Beton, Kraftstoffe) | OPT.PROCESS | mainstream | A | HW1 | minimal |
| OPT-032 | Heimenergiemanagement für Prosumer (PV, Batterie, Wärmepumpe, E-Auto-Laden bei dynamischen Tarifen) | OPT.RESOURCE | early-adopter | A | HW1 | minimal |
| OPT-033 | Digitale Frachtvermittlung & Automatisierung der Spotpreis-Vermittlung | OPT.LOGISTICS | early-adopter | A | HW2 | minimal |
| OPT-034 | Vertriebsgebietsgestaltung, Kundenzuordnung & Quotenfestlegung | OPT.RESOURCE | mainstream | A | HW1 | depends |
| OPT-035 | Prädiktives Routing von Kunden zu Agenten im Contact Center | OPT.RESOURCE | early-adopter | A | HW1 | depends |
| OPT-036 | Planung und Entwurfsautomatisierung für Glasfaser- (FTTH) & Versorgungsnetz-Ausbau | OPT.RESOURCE | early-adopter | A | HW2 | minimal |
| OPT-037 | Optimierung von Containerterminals & Hafenbetrieb (Liegeplatz, Containerbrücke, Yard-Stapelung, Lkw-Zeitfenster) | OPT.LOGISTICS | early-adopter | A | HW1 | depends |
| OPT-038 | KI-gestützte geschlossene Prozessregelung & Echtzeitoptimierung für kontinuierliche Anlagen | OPT.PROCESS | early-adopter | A | HW1 | depends |
| OPT-039 | Direktvermarktung erneuerbarer Portfolios & algorithmischer Stromhandel | OPT.RESOURCE | mainstream | A | HW1 | depends |
Gemeinsamer Technologie-Stack
Gemeinsamer Kern (alle Stufen): Solver-Schicht (OR-Tools CP-SAT/Routing, HiGHS, optional Gurobi/CPLEX/Timefold), Modellierung mit Pyomo/PuLP oder linopy, Postgres/TimescaleDB für Daten und Ergebnisse, Python-Orchestrierung (Dagster/Airflow/Prefect), LightGBM/Prophet/statsforecast für die prädiktiven Eingaben, MLflow als Modell-Registry, eine What-if-Oberfläche (Streamlit/Superset), menschlicher Freigabeschritt mit Audit-Log. Daten in der EU gehostet (oder On-Premises); keine personenbezogenen Daten verlassen die EU.
HW1 (nur CPU, 8-32 Kerne, 32-128 GB RAM, eine VM oder kleiner k8s-Knoten; nahezu alle OPT-Fälle): der obige Kern plus Valhalla/OSRM für Straßenmatrizen, Ray/Optuna für parallele Suche, Stable-Baselines3 auf CPU für kleine RL-Policies, SimPy/Mesa für Simulation, MQTT/Kafka + Redis für echtzeitnahe Telemetrie (Energie, Verkehr, RAN). Gemeinsam genutzt von OPT-001/005/006/012/019/028 (Routing + Geodaten), OPT-007/011/021/022/023/032/039 (Energie: Prognosen + MILP-Einsatzplanung + MQTT/OpenADR/IEC-61850-Gateways), OPT-009/024/038 (OPC-UA-Historian + Soft-Sensor + MPC/RL).
HW2 (einzelne GPU 24-48 GB, z. B. L40S/A6000): zusätzlich ein selbst betriebenes Open-Weight-LLM (Mistral/Llama/Qwen 7-32B über vLLM) für den Copilot zur Modellierung in natürlicher Sprache (OPT-018), Dokumenten-/Spracheingang (OPT-033) sowie Segmentierungs-/Vision-Pipelines (OPT-036); GPU-RL-Training für große Simulatoren.
HW3 (Multi-GPU-Knoten): nur für das Feintuning großer Foundation-Modelle oder massives RL-Training; derzeit von keinem OPT-Fall benötigt.
Familienübergreifende Wiederverwendung: Prognoseeingaben aus PRED (gleiche TimescaleDB + MLflow), Anomalie-Schranken aus ANOM, Dokumentenextraktion aus DOC, Agenten-Frameworks aus AGENT (der Copilot in OPT-018 erzeugt Solver-Code, führt ihn in einer Sandbox aus, und der Solver bleibt die entscheidende Instanz).