Operations Research & Machine Learning

Mathematik, die sich rechnet.

Von der mathematischen Modellierung bis zur einsatzbereiten Software, aus einer Hand.

Komplexe Abläufe in Logistik, Lager und Personaleinsatz lassen sich selten „aus dem Bauch heraus“ optimal steuern: zu viele Nebenbedingungen, zu viele Zielkonflikte. Ich übersetze solche Probleme in mathematische Modelle und entwickle darauf aufbauend Algorithmen, die zuverlässig gute Lösungen liefern, implementiert als robuste, produktionsreife Software.

DEPOT
Drei Kernpunkte

Warum Operations Research und warum ich

Neu in dem Thema? Was ist Operations Research eigentlich?

N01 — MODELLIERUNG + CODE

Aus einer Hand

Kein Bruch zwischen Theorie und Praxis: Ich entwickle das mathematische Modell und den lauffähigen Code, promoviert in Mathematik, mit über 8 Jahren Praxiserfahrung in der Logistik.

N02 — SPEZIALISIERUNG

Kombinatorische Optimierung

Mein Schwerpunkt ist kombinatorische Optimierung in der Logistik; Machine Learning und Datenanalyse biete ich eigenständig und kombiniert an, etwa Clustering zur Auftrags-Vorauswahl.

Alle Themen im Detail: Leistungen

N03 — KONTROLLE BEHALTEN

Konfigurierbar statt Black Box

Sie behalten die Kontrolle: Trade-offs wie Lösungsqualität gegen Rechenzeit lassen sich einstellen, ohne dass Sie bei jeder Änderung auf mich angewiesen sind.

Selbst erleben

Probieren Sie es selbst aus.

Auf dieser Website finden Sie siebenundsechzig interaktive Demos (der Großteil aus Logistik und Intralogistik, von der Tourenplanung über das Netzwerkdesign bis zur Packungsoptimierung, dazu die Schichtplanung und einige Beispiele aus anderen Branchen) zum Ausprobieren, nicht nur zum Lesen.

„Jede Demo läuft als eigenständige Anwendung. Sie experimentieren mit eigenen Eingaben, nicht mit vorgerechneten Beispielen.“
Anders als die Demos

Nicht nur die Lösung sehen, sondern das Verfahren selbst verstehen

Die Konzepte-Reihe dreht das Prinzip der Demos um: Statt eines Anwendungsfalls mit mehreren Verfahren im Vergleich bleibt hier ein Verfahren fest, und das Beispiel wächst: von einer Instanz, die sich noch überblicken lässt, bis zu einer, an der erst das Verfahren selbst weiterkommt. Inzwischen achtundvierzig Linien in fünf Bereichen (Optimierung, maschinelles Lernen, Signalverarbeitung, Graphentheorie, Kooperation und Wettbewerb), jede mit eigenem Abhängigkeitsgraphen (von der Exakten Suche bis zur Quellentrennung, die im Verzögerungsgraphen aus meiner Dissertation endet). Gedacht zum Verstehen, nicht zum Vorführen an einem Geschäftsfall.