Dieses Buch behandelt einen neuartigen Ansatz für den kombinierten Einsatz von Modellen und Algorithmen aus dem Operations Research (OR-Methoden) im Rahmen von Entscheidungsunterstützungssystemen (EUS).

Die vorliegende Arbeit behandelt einen neuartigen Ansatz für den kombinierten Einsatz von Modellen und Algorithmen aus dem Operations Research (OR-Methoden) im Rahmen von Entscheidungsunterstützungssystemen (EUS). EUS bieten ihrem Benutzer die Möglichkeit, schlecht strukturierte Probleme zu untersuchen und Lösungen zu erarbeiten. Beim modellorientierten Ansatz der Entscheidungsunterstützung wird einem a priori schlecht strukturierten Ausgangsproblem durch Konstruktion eines Modells eine Struktur aufgeprägt, deren Auswertung Lösungen liefert, die anschließend dem EUS-Benutzer als Entscheidungsgrundlage dienen. OR-Modelle können in diesem Zusammenhang als Strukturierungswerkzeuge eingesetzt werden, wobei die Auswertung der damit gewonnenen Strukturen durch den Problemen angepaßte (Optimierungs-)Algorithmen erfolgt. Der in der Literatur überlicherweise vorgeschlagene Weg zur Realisierung modellorientierter Entscheidungsunterstützung mit Modell- und Algorithmenbanken ist für die Verwendung von OR-Methoden allerdings problematisch. Viele EUS-Benutzer besitzen zwar umfangreiche Kenntnisse in ihrem jeweiligen Entscheidungsbereich und verschiedene Erfahrungen im Umgang mit rechnergestützten Modellen, wissen aber oftmals nur wenig über OR-Methoden, die zur Lösung ihrer Probleme eingesetzt werden können. Um solchen EUS-Benutzern OR-Methoden besser zugänglich zu machen, die ihnen bisher unbekannt sind, wird in der vorliegenden Arbeit ein Ansatz beschrieben, mit dem die Strukturierung von Problemen durch OR-Modelle realisiert werden kann. Grundlage dafür sind ein Ablaufmodell der modellorientierten Entscheidungsunterstützung mit OR-Methoden und ein für OR-Methoden spezifischer Aufbau der Modellbasis des EUS. Kann das Ausgangsproblem nicht durch ein bereits existierendes Modell abgebildet werden, so kann durch die Strukturierung mit Hilfe verschiedener OR-Modelle eine (zumindest teilweise) Dekomposition des Problems in verschiedene Teilmodelle errreicht werden. Die Lösungsvorschläge für das Ausgangsproblem werden dann durch Auswertung der einzelnen interdependenten Teilmodelle bestimmt. Die Vorgehensweise zur Konstruktion von Modellen aus bekannten Teilmodellen führt dabei zu einer interaktiven Meta-Heuristik, die die Möglichkeit bietet, Erfahrungen des Systembenutzers zu integrieren. Die Vorgehensweise dieser Heuristik wird anhand von Fallbeispielen erläutert. Der Vorteil der in dieser Arbeit entwickelten Meta-Heuristik gegenüber anderen Konzepten für den Einsatz von Modell- und Algorithmenbanken besteht darin, daß umfangreiche (heuristische) Modelle konstruiert werden können, die die Untersuchung von schlecht strukturierten Problemen erlauben, ohne ein entsprechendes Totalmodell generieren zu müssen. Die nur teilweise Lösung gegebener Probleme durch Relaxation ist möglich. Darüber hinaus wird keine Einschränkung auf bestimmte Arten von OR-Modellen gemacht. Durch die Trennung von Anwendungsproblemen und OR-Methoden für deren Lösung wird erreicht, daß neuentwickelte Methoden in das EUS aufgenommen werden und im Rahmen der vorgeschlagenen Schemata eingesetzt werden können.