Entscheiden & Optimieren

Lineare Optimierung: Kapazitäten richtig verteilen

Wie verteilen Sie knappe Arbeitszeit und Material auf zwei Produkte? Ein kleines Produktionsmodell zeigt, wie Nebenbedingungen den machbaren Bereich formen und warum ganze Stückzahlen eine andere Lösung ergeben können.

  • 4 Min. Lesezeit
  • Aktualisiert am
  • Redaktion smartlytics

Kurz erklärt

Lineare Optimierung maximiert oder minimiert eine lineare Zielfunktion unter linearen Nebenbedingungen. Im begrenzten Produktionsbeispiel genügt es, die zulässigen Ecken zu vergleichen; ganze Stückzahlen erfordern zusätzlich eine ganzzahlige Suche.

Im kostenlosen Rechner ausprobierenKostenlos · im Browser · ohne Anmeldung

Auf einen Blick

  1. Nebenbedingungen beschreiben, welche Pläne tatsächlich zulässig sind.
  2. Das kontinuierliche Optimum liefert bei Maximierung eine obere Schranke für ganzzahlige Pläne.
  3. Runden kann Ressourcen verletzen oder eine bessere ganzzahlige Lösung übersehen.

Welche Produkte sollen wir fertigen?

Ein Betrieb produziert zwei Artikel. Produkt A bringt 40 Euro Deckungsbeitrag, Produkt B 30 Euro. A benötigt zwei Einheiten Arbeitszeit und eine Einheit Material, B eine Einheit Arbeitszeit und zwei Einheiten Material. Wie viele Einheiten sollten entstehen, wenn beide Ressourcen knapp sind? Die Frage ist konkreter als „mehr Umsatz“: Gesucht ist der höchste gesamte Deckungsbeitrag innerhalb zweier Kapazitätsgrenzen.

Wir nennen die Mengen xx und yy, die verfügbare Arbeitszeit LL und das Material MM. Das Modell maximiert 40x+30y40x+30y unter 2x+y≤L2x+y\le L, x+2y≤Mx+2y\le M und x,y≥0x,y\ge0. Jeder Term hat eine nachvollziehbare Einheit. Die Ressourcenverbräuche pro Produkt bleiben konstant; auch der Beitrag je zusätzlicher Einheit ändert sich nicht. Genau diese Annahmen machen das Problem linear. Die Dokumentation von SciPy beschreibt dieselbe Grundstruktur aus Ziel, Gleichungen, Ungleichungen und Variablengrenzen (SciPy developers 2026).

Ein Plan mit 41 Stunden und 50 Materialeinheiten

Bei L=41L=41 und M=50M=50 schneiden sich die beiden Ressourcenlinien bei x=10,67x=10{,}67 und y=19,67y=19{,}67. Dieser kontinuierliche Plan nutzt beide Ressourcen vollständig und erzielt rund 1.016,67 Euro. „Kontinuierlich“ bedeutet, dass beliebige Teilmengen erlaubt sind. Bei Flüssigkeiten kann das sinnvoll sein; bei fertig montierten Geräten meist nicht.

Für ganze Stückzahlen gewinnt stattdessen der Plan mit elf Einheiten A und neunzehn Einheiten B. Er benötigt 41 Einheiten Arbeit und 49 Einheiten Material und erzielt 1.010 Euro. Eine Materialeinheit bleibt übrig. Beide Mengen einfach abzurunden ergäbe zehn A und neunzehn B mit nur 970 Euro. Das Beispiel zeigt, weshalb ein guter ganzzahliger Plan nicht automatisch durch Abrunden entsteht.

Die Differenz von 6,67 Euro ist hier die Lücke zwischen kontinuierlichem und ganzzahligem Optimum. Sie ist weder eine Gebühr noch ein allgemeiner Prozentsatz. Sie entsteht aus den konkreten Kapazitäten und der Unteilbarkeit der Produkte. Bei 40 Einheiten Arbeit und 50 Einheiten Material sind zehn A und zwanzig B bereits ganzzahlig optimal; die Lücke verschwindet.

Den zulässigen Bereich selbst verändern

Interaktiv

Lineare Optimierung – interaktiver Rechner

Die zulässigen Pläne erfüllen 2x+y ≤ L und x+2y ≤ M. Bei L=41 und M=50 ergibt die kontinuierliche Lösung etwa (10,67; 19,67), die beste ganzzahlige Lösung (11; 19).

Verändern Sie zuerst nur die Arbeitszeit. Das schiebt eine Begrenzung des Polygons; die andere bleibt bestehen. Mehr Arbeit hilft irgendwann nicht weiter, wenn das Material den zusätzlichen Ausstoß verhindert. Danach verändern Sie das Material. Beobachten Sie sowohl den Zielwert als auch die Zusammensetzung des Plans. Eine Ressource kann knapp sein, ohne dass jede kleine zusätzliche Einheit im ganzzahligen Modell sofort einen Mehrwert erzeugt.

Die Anzeige für ganze Stückzahlen blendet die zulässigen Gitterpunkte ein und macht deren beste Lösung zum hervorgehobenen Ergebnis. Die kontinuierliche Lösung bleibt zum Vergleich sichtbar. Die Tabelle nennt beide Pläne ausdrücklich; die Grafik allein muss weder genaue Zahlen noch die Unterscheidung der Markierungen vermitteln.

Warum Ecken genügen und Runden nicht genügt

Der Rechner bildet die Schnittpunkte der beiden Ressourcenlinien und der Achsen. Anschließend entfernt er negative oder anderweitig unzulässige Punkte. Das ist wichtig: Ein rechnerischer Linienschnitt ist noch kein machbarer Produktionsplan. Aus den verbleibenden Punkten entsteht das zulässige Polygon. Der größte Zielwert unter seinen Ecken liefert das kontinuierliche Optimum dieses begrenzten Beispiels.

Die geometrische Sicht und der Übergang zu diskreten Entscheidungen gehören zu den grundlegenden Methoden der Optimierung (Bertsimas, D. 2009). Für das kleine Ganzzahlproblem prüft die Anwendung zusätzlich alle zulässigen Kombinationen ganzer Mengen. Das ist transparent und exakt, wächst aber mit dem Wertebereich. Große Produktionsmodelle verwenden spezialisierte Verfahren, etwa Branch-and-Bound, statt riesige Mengen von Plänen direkt aufzuzählen.

Welche Annahmen die Entscheidung begrenzen

Das Beispiel kennt weder Mindestmengen noch Rüstkosten, Ausschuss, Liefertermine oder Absatzgrenzen. Es unterstellt, dass jedes hergestellte Stück zum angegebenen Beitrag verkauft werden kann. Eine zusätzliche Schicht kostet hier nicht mehr als eine bestehende, und beide Produkte konkurrieren ausschließlich um die zwei modellierten Ressourcen. Solche Vereinfachungen sind für das Lernen hilfreich und für eine echte Planung ausdrücklich zu prüfen.

Eine praktische Einführung beginnt deshalb mit gemeinsam geprüften Einheiten und Nebenbedingungen. Vergleichen Sie die Modelllösung mit einem bekannten Produktionsplan: Wird der bekannte Plan fälschlich ausgeschlossen, fehlt meist eine fachliche Erklärung. Ist ein offensichtlich unmöglicher Plan zulässig, fehlt eine Begrenzung. Erst danach lohnt sich die Suche nach einem höheren Zielwert. Der Überblick zur Optimierung zeigt weitere Modellarten für komplexere Entscheidungen.

Häufige Fragen

Warum liegt das Optimum an einer Ecke?

Bei diesem beschränkten linearen Modell kann eine Ziellinie so weit verschoben werden, bis sie eine Ecke oder eine ganze optimale Kante berührt. Mindestens eine Ecke ist optimal.

Darf ich eine gebrochene Lösung einfach runden?

Nicht zuverlässig. Aufrunden kann Kapazitäten verletzen, Abrunden unnötig Ertrag verlieren. Der Rechner vergleicht alle zulässigen ganzzahligen Pläne dieses kleinen Beispiels.

Quellen und weiterführende Literatur

  1. OnlineSciPy developers (2026): scipy.optimize.linprog.
  2. OnlineBertsimas, D. (2009): Optimization Methods: Lecture Notes.

Zuletzt fachlich geprüft am 14. November 2026. Hinweise auf Fehler nehmen wir gern entgegen: impressum@nyxai.com.

Von NyxAI

smartlytics ist das Wissensangebot der NyxAI GmbH.

Wir erklären hier die Methoden, mit denen wir arbeiten – offen, mit Quellen und so, dass man sie nachrechnen kann.

Entscheidungskern

NyxAI entwickelt einen Entscheidungskern (Decision Core) für Decision Intelligence, der Optimierung, Simulation, Statistik und Reinforcement Learning verbindet: Optionen vergleichen, Unsicherheit sichtbar machen, aus Ergebnissen lernen – unter menschlicher Verantwortung.

DeepSquare

Erklärbare Schach-KI mit menschlichen Spielstilen: das Testfeld von NyxAI für nachvollziehbare Entscheidungen unter Zeitdruck.