diff --git a/CLAUDE.md b/CLAUDE.md index 871a862..dc46454 100644 --- a/CLAUDE.md +++ b/CLAUDE.md @@ -139,7 +139,9 @@ keinen Generator — dort kann nichts driften. Das Kriterium steht in `PROGRESS. Abschnitt 6c. Konventionen der Generatoren: `plt.rcParams["svg.hashsalt"] = "or-mit-python-v04"` und -`metadata={"Date": None}` für byteidentische Läufe; stammt die Instanz aus einem +`metadata={"Date": None}` für byteidentische Läufe — **beides, sonst trägt das SVG einen +Zeitstempel und wechselnde `clip-path`-IDs**. Geschrieben wird **nur SVG**; PNG-Zweitfassungen +gab es einmal, sie wurden nirgends referenziert; stammt die Instanz aus einem Zufallsstrom, wird die Ziehungsreihenfolge des Buchprogramms nachgespielt. ## Plotly-Figuren diff --git a/Notebooks_04/einfuehrung.ipynb b/Notebooks_04/einfuehrung.ipynb index 24f6f1c..0531984 100644 --- a/Notebooks_04/einfuehrung.ipynb +++ b/Notebooks_04/einfuehrung.ipynb @@ -405,8 +405,13 @@ "from or_kern import (lade_produktionsproblem, loese_mit_glop, pruefe_loesung,\n", " schreibe_ergebnis)\n", "\n", - "EINGABE = \"produktionsmix.xlsx\"\n", - "AUSGABE = \"produktionsmix_ergebnis.xlsx\"\n", + "# Die Mappen liegen NEBEN diesem Programm, nicht im aktuellen\n", + "# Arbeitsverzeichnis. Sonst haengt es davon ab, aus welchem Ordner man das\n", + "# Skript startet, wo die Dateien landen - und wer es aus der\n", + "# Repository-Wurzel aufruft, verstreut sie dort.\n", + "HIER = os.path.dirname(os.path.abspath(__file__))\n", + "EINGABE = os.path.join(HIER, \"produktionsmix.xlsx\")\n", + "AUSGABE = os.path.join(HIER, \"produktionsmix_ergebnis.xlsx\")\n", "\n", "\n", "def lege_beispieldatei_an(pfad: str) -> None:\n", diff --git a/OR_HTML_04/Notebooks_04/einfuehrung.ipynb b/OR_HTML_04/Notebooks_04/einfuehrung.ipynb index 24f6f1c..0531984 100644 --- a/OR_HTML_04/Notebooks_04/einfuehrung.ipynb +++ b/OR_HTML_04/Notebooks_04/einfuehrung.ipynb @@ -405,8 +405,13 @@ "from or_kern import (lade_produktionsproblem, loese_mit_glop, pruefe_loesung,\n", " schreibe_ergebnis)\n", "\n", - "EINGABE = \"produktionsmix.xlsx\"\n", - "AUSGABE = \"produktionsmix_ergebnis.xlsx\"\n", + "# Die Mappen liegen NEBEN diesem Programm, nicht im aktuellen\n", + "# Arbeitsverzeichnis. Sonst haengt es davon ab, aus welchem Ordner man das\n", + "# Skript startet, wo die Dateien landen - und wer es aus der\n", + "# Repository-Wurzel aufruft, verstreut sie dort.\n", + "HIER = os.path.dirname(os.path.abspath(__file__))\n", + "EINGABE = os.path.join(HIER, \"produktionsmix.xlsx\")\n", + "AUSGABE = os.path.join(HIER, \"produktionsmix_ergebnis.xlsx\")\n", "\n", "\n", "def lege_beispieldatei_an(pfad: str) -> None:\n", diff --git a/OR_HTML_04/Operations_Research_mit_Python_Version_04.pdf b/OR_HTML_04/Operations_Research_mit_Python_Version_04.pdf index 077f0a4..e86efe9 100644 Binary files a/OR_HTML_04/Operations_Research_mit_Python_Version_04.pdf and b/OR_HTML_04/Operations_Research_mit_Python_Version_04.pdf differ diff --git a/OR_HTML_04/bilder_04/kap01_analytik_reifegrad.png b/OR_HTML_04/bilder_04/kap01_analytik_reifegrad.png deleted file mode 100644 index 9ef9840..0000000 Binary files a/OR_HTML_04/bilder_04/kap01_analytik_reifegrad.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap01_vier_bausteine.png b/OR_HTML_04/bilder_04/kap01_vier_bausteine.png deleted file mode 100644 index f0b51a3..0000000 Binary files a/OR_HTML_04/bilder_04/kap01_vier_bausteine.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap02_konvexitaet.png b/OR_HTML_04/bilder_04/kap02_konvexitaet.png deleted file mode 100644 index 6bbd0cc..0000000 Binary files a/OR_HTML_04/bilder_04/kap02_konvexitaet.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap03_solver_architektur.png b/OR_HTML_04/bilder_04/kap03_solver_architektur.png deleted file mode 100644 index 79fa438..0000000 Binary files a/OR_HTML_04/bilder_04/kap03_solver_architektur.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap04_primal_dual.png b/OR_HTML_04/bilder_04/kap04_primal_dual.png deleted file mode 100644 index 8557112..0000000 Binary files a/OR_HTML_04/bilder_04/kap04_primal_dual.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap06_cp_sat_propagation.png b/OR_HTML_04/bilder_04/kap06_cp_sat_propagation.png deleted file mode 100644 index 64feb08..0000000 Binary files a/OR_HTML_04/bilder_04/kap06_cp_sat_propagation.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap06_jobshop_gantt.png b/OR_HTML_04/bilder_04/kap06_jobshop_gantt.png deleted file mode 100644 index a6b1def..0000000 Binary files a/OR_HTML_04/bilder_04/kap06_jobshop_gantt.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap06_jobshop_gantt.svg b/OR_HTML_04/bilder_04/kap06_jobshop_gantt.svg index 7765306..1bccc9b 100644 --- a/OR_HTML_04/bilder_04/kap06_jobshop_gantt.svg +++ b/OR_HTML_04/bilder_04/kap06_jobshop_gantt.svg @@ -6,7 +6,6 @@ - 2026-09-07T01:51:51.979555 image/svg+xml @@ -43,7 +42,7 @@ L 326.435455 32.849091 L 326.435455 64.809875 L 174.248182 64.809875 z -" clip-path="url(#p448fd06892)" style="fill: #4338ca; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/> +" clip-path="url(#pce73ba693e)" style="fill: #4338ca; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/> +" clip-path="url(#pce73ba693e)" style="fill: #4338ca; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/> +" clip-path="url(#pce73ba693e)" style="fill: #4338ca; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/> +" clip-path="url(#pce73ba693e)" style="fill: #0891b2; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/> +" clip-path="url(#pce73ba693e)" style="fill: #0891b2; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/> +" clip-path="url(#pce73ba693e)" style="fill: #0891b2; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/> +" clip-path="url(#pce73ba693e)" style="fill: #b45309; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/> +" clip-path="url(#pce73ba693e)" style="fill: #b45309; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/> +" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/> - - + @@ -152,11 +151,11 @@ z +" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/> - + @@ -186,11 +185,11 @@ z +" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/> - + @@ -230,11 +229,11 @@ z +" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/> - + @@ -282,11 +281,11 @@ z +" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/> - + @@ -321,11 +320,11 @@ z +" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/> - + @@ -366,11 +365,11 @@ z +" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/> - + @@ -416,11 +415,11 @@ z +" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/> - + @@ -446,11 +445,11 @@ z +" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/> - + @@ -505,11 +504,11 @@ z +" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/> - + @@ -555,11 +554,11 @@ z +" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/> - + @@ -574,11 +573,11 @@ L 580.080909 25.44 +" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/> - + @@ -724,12 +723,12 @@ z - - + @@ -843,7 +842,7 @@ z - + @@ -884,7 +883,7 @@ z - + @@ -1320,7 +1319,7 @@ z - + diff --git a/OR_HTML_04/bilder_04/kap09_unsicherheit_ansaetze.png b/OR_HTML_04/bilder_04/kap09_unsicherheit_ansaetze.png deleted file mode 100644 index 6a40ea0..0000000 Binary files a/OR_HTML_04/bilder_04/kap09_unsicherheit_ansaetze.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap10_zustandskette.png b/OR_HTML_04/bilder_04/kap10_zustandskette.png deleted file mode 100644 index cef457c..0000000 Binary files a/OR_HTML_04/bilder_04/kap10_zustandskette.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap11_ledoit_wolf_shrinkage.png b/OR_HTML_04/bilder_04/kap11_ledoit_wolf_shrinkage.png deleted file mode 100644 index e5b82f7..0000000 Binary files a/OR_HTML_04/bilder_04/kap11_ledoit_wolf_shrinkage.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap12_efficient_frontier.png b/OR_HTML_04/bilder_04/kap12_efficient_frontier.png deleted file mode 100644 index d8e04c5..0000000 Binary files a/OR_HTML_04/bilder_04/kap12_efficient_frontier.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap13_cvar_zielfunktion.png b/OR_HTML_04/bilder_04/kap13_cvar_zielfunktion.png deleted file mode 100644 index 5324d42..0000000 Binary files a/OR_HTML_04/bilder_04/kap13_cvar_zielfunktion.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap14_engine_overview.png b/OR_HTML_04/bilder_04/kap14_engine_overview.png deleted file mode 100644 index c9886a4..0000000 Binary files a/OR_HTML_04/bilder_04/kap14_engine_overview.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap15_or_plattform.png b/OR_HTML_04/bilder_04/kap15_or_plattform.png deleted file mode 100644 index 20f63a4..0000000 Binary files a/OR_HTML_04/bilder_04/kap15_or_plattform.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap15_praxisfallen.png b/OR_HTML_04/bilder_04/kap15_praxisfallen.png deleted file mode 100644 index 4a904ab..0000000 Binary files a/OR_HTML_04/bilder_04/kap15_praxisfallen.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_cvar_var_vergleich.png b/OR_HTML_04/bilder_04/kap_cvar_var_vergleich.png deleted file mode 100644 index 0bbf9a0..0000000 Binary files a/OR_HTML_04/bilder_04/kap_cvar_var_vergleich.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_fundament_kondition.png b/OR_HTML_04/bilder_04/kap_fundament_kondition.png deleted file mode 100644 index a82df02..0000000 Binary files a/OR_HTML_04/bilder_04/kap_fundament_kondition.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_fundament_polyeder.png b/OR_HTML_04/bilder_04/kap_fundament_polyeder.png deleted file mode 100644 index d4bb3dc..0000000 Binary files a/OR_HTML_04/bilder_04/kap_fundament_polyeder.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_graphen_min_cost_flow.png b/OR_HTML_04/bilder_04/kap_graphen_min_cost_flow.png deleted file mode 100644 index 1800e77..0000000 Binary files a/OR_HTML_04/bilder_04/kap_graphen_min_cost_flow.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_graphen_vrp_touren.png b/OR_HTML_04/bilder_04/kap_graphen_vrp_touren.png deleted file mode 100644 index 9572a19..0000000 Binary files a/OR_HTML_04/bilder_04/kap_graphen_vrp_touren.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_lp_simplex_ecken.png b/OR_HTML_04/bilder_04/kap_lp_simplex_ecken.png deleted file mode 100644 index 6c93a53..0000000 Binary files a/OR_HTML_04/bilder_04/kap_lp_simplex_ecken.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_markowitz_restriktionen.png b/OR_HTML_04/bilder_04/kap_markowitz_restriktionen.png deleted file mode 100644 index 96d7e9a..0000000 Binary files a/OR_HTML_04/bilder_04/kap_markowitz_restriktionen.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_mehrziel_pareto.png b/OR_HTML_04/bilder_04/kap_mehrziel_pareto.png deleted file mode 100644 index 324afd5..0000000 Binary files a/OR_HTML_04/bilder_04/kap_mehrziel_pareto.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_metaheuristiken_landschaft.png b/OR_HTML_04/bilder_04/kap_metaheuristiken_landschaft.png deleted file mode 100644 index df8e89a..0000000 Binary files a/OR_HTML_04/bilder_04/kap_metaheuristiken_landschaft.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_milp_runden.png b/OR_HTML_04/bilder_04/kap_milp_runden.png deleted file mode 100644 index 5d466f3..0000000 Binary files a/OR_HTML_04/bilder_04/kap_milp_runden.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_milp_suchbaum.png b/OR_HTML_04/bilder_04/kap_milp_suchbaum.png deleted file mode 100644 index bec5d10..0000000 Binary files a/OR_HTML_04/bilder_04/kap_milp_suchbaum.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_praxisfallen_schichten.png b/OR_HTML_04/bilder_04/kap_praxisfallen_schichten.png deleted file mode 100644 index df8206f..0000000 Binary files a/OR_HTML_04/bilder_04/kap_praxisfallen_schichten.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_qp_kkt.png b/OR_HTML_04/bilder_04/kap_qp_kkt.png deleted file mode 100644 index 2e4d95b..0000000 Binary files a/OR_HTML_04/bilder_04/kap_qp_kkt.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_supplychain_wirkung.png b/OR_HTML_04/bilder_04/kap_supplychain_wirkung.png deleted file mode 100644 index 91c255f..0000000 Binary files a/OR_HTML_04/bilder_04/kap_supplychain_wirkung.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/kap_testing_dienst.png b/OR_HTML_04/bilder_04/kap_testing_dienst.png deleted file mode 100644 index e4061ac..0000000 Binary files a/OR_HTML_04/bilder_04/kap_testing_dienst.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/teil2_solverwahl.png b/OR_HTML_04/bilder_04/teil2_solverwahl.png deleted file mode 100644 index 3c4dc43..0000000 Binary files a/OR_HTML_04/bilder_04/teil2_solverwahl.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/teil3_solverwahl.png b/OR_HTML_04/bilder_04/teil3_solverwahl.png deleted file mode 100644 index 72692b5..0000000 Binary files a/OR_HTML_04/bilder_04/teil3_solverwahl.png and /dev/null differ diff --git a/OR_HTML_04/bilder_04/titelseite.png b/OR_HTML_04/bilder_04/titelseite.png deleted file mode 100644 index 31e7f2a..0000000 Binary files a/OR_HTML_04/bilder_04/titelseite.png and /dev/null differ diff --git a/OR_HTML_04/einfuehrung.html b/OR_HTML_04/einfuehrung.html index 7498719..77cab65 100644 --- a/OR_HTML_04/einfuehrung.html +++ b/OR_HTML_04/einfuehrung.html @@ -1205,66 +1205,71 @@ Vorteil der Optimierung: 300.00 EUR pro Tag (15.0 %) from or_kern import (lade_produktionsproblem, loese_mit_glop, pruefe_loesung, schreibe_ergebnis) -EINGABE = "produktionsmix.xlsx" -AUSGABE = "produktionsmix_ergebnis.xlsx" - - -def lege_beispieldatei_an(pfad: str) -> None: - """Schreibt die Eingabemappe, wie sie auch aus dem Controlling kaeme.""" - produkte = pd.DataFrame({ - "Produkt": ["Tisch", "Stuhl", "Regal"], - "Deckungsbeitrag": [240.0, 60.0, 130.0], - "Montagestunden": [3.0, 1.0, 2.0], - "Plattenmaterial": [6.0, 1.0, 4.0], - }) - kapazitaeten = pd.DataFrame({ - "Ressource": ["Montagestunden", "Plattenmaterial"], - "Verfuegbar": [150.0, 240.0], - }) - with pd.ExcelWriter(pfad, engine="openpyxl") as mappe: - produkte.to_excel(mappe, sheet_name="Produkte", index=False) - kapazitaeten.to_excel(mappe, sheet_name="Kapazitaeten", index=False) - - -if __name__ == "__main__": - if not os.path.exists(EINGABE): - lege_beispieldatei_an(EINGABE) - print(f"Beispiel-Eingabedatei angelegt: {EINGABE}") +# Die Mappen liegen NEBEN diesem Programm, nicht im aktuellen +# Arbeitsverzeichnis. Sonst haengt es davon ab, aus welchem Ordner man das +# Skript startet, wo die Dateien landen - und wer es aus der +# Repository-Wurzel aufruft, verstreut sie dort. +HIER = os.path.dirname(os.path.abspath(__file__)) +EINGABE = os.path.join(HIER, "produktionsmix.xlsx") +AUSGABE = os.path.join(HIER, "produktionsmix_ergebnis.xlsx") + + +def lege_beispieldatei_an(pfad: str) -> None: + """Schreibt die Eingabemappe, wie sie auch aus dem Controlling kaeme.""" + produkte = pd.DataFrame({ + "Produkt": ["Tisch", "Stuhl", "Regal"], + "Deckungsbeitrag": [240.0, 60.0, 130.0], + "Montagestunden": [3.0, 1.0, 2.0], + "Plattenmaterial": [6.0, 1.0, 4.0], + }) + kapazitaeten = pd.DataFrame({ + "Ressource": ["Montagestunden", "Plattenmaterial"], + "Verfuegbar": [150.0, 240.0], + }) + with pd.ExcelWriter(pfad, engine="openpyxl") as mappe: + produkte.to_excel(mappe, sheet_name="Produkte", index=False) + kapazitaeten.to_excel(mappe, sheet_name="Kapazitaeten", index=False) + - # 1. Lesen und pruefen. Faellt hier etwas auf, ist der Fehler noch - # zuzuordnen - spaeter waere er nur noch eine merkwuerdige Zahl. - problem = lade_produktionsproblem(EINGABE) - - # 2. Loesen. Einzige solverabhaengige Zeile des ganzen Programms - - # 'loese_mit_scipy' waere ein Einzeiler-Wechsel. - loesung = loese_mit_glop(problem) - - # 3. Abnahmepruefung gegen die Anforderungen, ohne den Solver zu fragen. - beanstandungen = pruefe_loesung(problem, loesung) - if beanstandungen: - raise SystemExit("Abnahmepruefung fehlgeschlagen:\n - " - + "\n - ".join(beanstandungen)) - - # 4. Zurueckschreiben - im Format, das die Fachabteilung ohnehin benutzt. - schreibe_ergebnis(AUSGABE, problem, loesung) - - print("=" * 66) - print(" PRODUKTIONSPLAN AUS DER EXCEL-MAPPE") - print("=" * 66) - for produkt in problem.produkte: - menge = loesung.werte[produkt.name] - print(f"{produkt.name:<18} {menge:8.1f} Stueck " - f"{menge * produkt.deckungsbeitrag:12,.2f} EUR") - print("-" * 66) - print(loesung.als_bericht()) - print("Abnahmepruefung: bestanden\n") - - # Die Schattenpreise beantworten die Frage, die der Plan nicht stellt: - # Was waere eine zusaetzliche Einheit dieser Ressource wert? - for ressource, preis in loesung.schattenpreise.items(): - print(f" eine Einheit {ressource:<18} mehr waere wert: {preis:7.2f} EUR") - print("=" * 66) - print(f"Ergebnis geschrieben nach: {AUSGABE}") +if __name__ == "__main__": + if not os.path.exists(EINGABE): + lege_beispieldatei_an(EINGABE) + print(f"Beispiel-Eingabedatei angelegt: {EINGABE}") + + # 1. Lesen und pruefen. Faellt hier etwas auf, ist der Fehler noch + # zuzuordnen - spaeter waere er nur noch eine merkwuerdige Zahl. + problem = lade_produktionsproblem(EINGABE) + + # 2. Loesen. Einzige solverabhaengige Zeile des ganzen Programms - + # 'loese_mit_scipy' waere ein Einzeiler-Wechsel. + loesung = loese_mit_glop(problem) + + # 3. Abnahmepruefung gegen die Anforderungen, ohne den Solver zu fragen. + beanstandungen = pruefe_loesung(problem, loesung) + if beanstandungen: + raise SystemExit("Abnahmepruefung fehlgeschlagen:\n - " + + "\n - ".join(beanstandungen)) + + # 4. Zurueckschreiben - im Format, das die Fachabteilung ohnehin benutzt. + schreibe_ergebnis(AUSGABE, problem, loesung) + + print("=" * 66) + print(" PRODUKTIONSPLAN AUS DER EXCEL-MAPPE") + print("=" * 66) + for produkt in problem.produkte: + menge = loesung.werte[produkt.name] + print(f"{produkt.name:<18} {menge:8.1f} Stueck " + f"{menge * produkt.deckungsbeitrag:12,.2f} EUR") + print("-" * 66) + print(loesung.als_bericht()) + print("Abnahmepruefung: bestanden\n") + + # Die Schattenpreise beantworten die Frage, die der Plan nicht stellt: + # Was waere eine zusaetzliche Einheit dieser Ressource wert? + for ressource, preis in loesung.schattenpreise.items(): + print(f" eine Einheit {ressource:<18} mehr waere wert: {preis:7.2f} EUR") + print("=" * 66) + print(f"Ergebnis geschrieben nach: {AUSGABE}")

Erwartete Ausgabe:

Beispiel-Eingabedatei angelegt: produktionsmix.xlsx
 ==================================================================
diff --git a/OR_HTML_04/gesamtdokument.html b/OR_HTML_04/gesamtdokument.html
index 738764b..1773fb9 100644
--- a/OR_HTML_04/gesamtdokument.html
+++ b/OR_HTML_04/gesamtdokument.html
@@ -4198,66 +4198,71 @@ Vorteil der Optimierung:          300.00 EUR pro Tag (15.0 %)
 from or_kern import (lade_produktionsproblem, loese_mit_glop, pruefe_loesung,
                      schreibe_ergebnis)
 
-EINGABE = "produktionsmix.xlsx"
-AUSGABE = "produktionsmix_ergebnis.xlsx"
-
-
-def lege_beispieldatei_an(pfad: str) -> None:
-    """Schreibt die Eingabemappe, wie sie auch aus dem Controlling kaeme."""
-    produkte = pd.DataFrame({
-        "Produkt": ["Tisch", "Stuhl", "Regal"],
-        "Deckungsbeitrag": [240.0, 60.0, 130.0],
-        "Montagestunden": [3.0, 1.0, 2.0],
-        "Plattenmaterial": [6.0, 1.0, 4.0],
-    })
-    kapazitaeten = pd.DataFrame({
-        "Ressource": ["Montagestunden", "Plattenmaterial"],
-        "Verfuegbar": [150.0, 240.0],
-    })
-    with pd.ExcelWriter(pfad, engine="openpyxl") as mappe:
-        produkte.to_excel(mappe, sheet_name="Produkte", index=False)
-        kapazitaeten.to_excel(mappe, sheet_name="Kapazitaeten", index=False)
-
-
-if __name__ == "__main__":
-    if not os.path.exists(EINGABE):
-        lege_beispieldatei_an(EINGABE)
-        print(f"Beispiel-Eingabedatei angelegt: {EINGABE}")
+# Die Mappen liegen NEBEN diesem Programm, nicht im aktuellen
+# Arbeitsverzeichnis. Sonst haengt es davon ab, aus welchem Ordner man das
+# Skript startet, wo die Dateien landen - und wer es aus der
+# Repository-Wurzel aufruft, verstreut sie dort.
+HIER = os.path.dirname(os.path.abspath(__file__))
+EINGABE = os.path.join(HIER, "produktionsmix.xlsx")
+AUSGABE = os.path.join(HIER, "produktionsmix_ergebnis.xlsx")
+
+
+def lege_beispieldatei_an(pfad: str) -> None:
+    """Schreibt die Eingabemappe, wie sie auch aus dem Controlling kaeme."""
+    produkte = pd.DataFrame({
+        "Produkt": ["Tisch", "Stuhl", "Regal"],
+        "Deckungsbeitrag": [240.0, 60.0, 130.0],
+        "Montagestunden": [3.0, 1.0, 2.0],
+        "Plattenmaterial": [6.0, 1.0, 4.0],
+    })
+    kapazitaeten = pd.DataFrame({
+        "Ressource": ["Montagestunden", "Plattenmaterial"],
+        "Verfuegbar": [150.0, 240.0],
+    })
+    with pd.ExcelWriter(pfad, engine="openpyxl") as mappe:
+        produkte.to_excel(mappe, sheet_name="Produkte", index=False)
+        kapazitaeten.to_excel(mappe, sheet_name="Kapazitaeten", index=False)
+
 
-    # 1. Lesen und pruefen. Faellt hier etwas auf, ist der Fehler noch
-    #    zuzuordnen - spaeter waere er nur noch eine merkwuerdige Zahl.
-    problem = lade_produktionsproblem(EINGABE)
-
-    # 2. Loesen. Einzige solverabhaengige Zeile des ganzen Programms -
-    #    'loese_mit_scipy' waere ein Einzeiler-Wechsel.
-    loesung = loese_mit_glop(problem)
-
-    # 3. Abnahmepruefung gegen die Anforderungen, ohne den Solver zu fragen.
-    beanstandungen = pruefe_loesung(problem, loesung)
-    if beanstandungen:
-        raise SystemExit("Abnahmepruefung fehlgeschlagen:\n  - "
-                         + "\n  - ".join(beanstandungen))
-
-    # 4. Zurueckschreiben - im Format, das die Fachabteilung ohnehin benutzt.
-    schreibe_ergebnis(AUSGABE, problem, loesung)
-
-    print("=" * 66)
-    print("  PRODUKTIONSPLAN AUS DER EXCEL-MAPPE")
-    print("=" * 66)
-    for produkt in problem.produkte:
-        menge = loesung.werte[produkt.name]
-        print(f"{produkt.name:<18} {menge:8.1f} Stueck "
-              f"{menge * produkt.deckungsbeitrag:12,.2f} EUR")
-    print("-" * 66)
-    print(loesung.als_bericht())
-    print("Abnahmepruefung: bestanden\n")
-
-    # Die Schattenpreise beantworten die Frage, die der Plan nicht stellt:
-    # Was waere eine zusaetzliche Einheit dieser Ressource wert?
-    for ressource, preis in loesung.schattenpreise.items():
-        print(f"  eine Einheit {ressource:<18} mehr waere wert: {preis:7.2f} EUR")
-    print("=" * 66)
-    print(f"Ergebnis geschrieben nach: {AUSGABE}")
+if __name__ == "__main__": + if not os.path.exists(EINGABE): + lege_beispieldatei_an(EINGABE) + print(f"Beispiel-Eingabedatei angelegt: {EINGABE}") + + # 1. Lesen und pruefen. Faellt hier etwas auf, ist der Fehler noch + # zuzuordnen - spaeter waere er nur noch eine merkwuerdige Zahl. + problem = lade_produktionsproblem(EINGABE) + + # 2. Loesen. Einzige solverabhaengige Zeile des ganzen Programms - + # 'loese_mit_scipy' waere ein Einzeiler-Wechsel. + loesung = loese_mit_glop(problem) + + # 3. Abnahmepruefung gegen die Anforderungen, ohne den Solver zu fragen. + beanstandungen = pruefe_loesung(problem, loesung) + if beanstandungen: + raise SystemExit("Abnahmepruefung fehlgeschlagen:\n - " + + "\n - ".join(beanstandungen)) + + # 4. Zurueckschreiben - im Format, das die Fachabteilung ohnehin benutzt. + schreibe_ergebnis(AUSGABE, problem, loesung) + + print("=" * 66) + print(" PRODUKTIONSPLAN AUS DER EXCEL-MAPPE") + print("=" * 66) + for produkt in problem.produkte: + menge = loesung.werte[produkt.name] + print(f"{produkt.name:<18} {menge:8.1f} Stueck " + f"{menge * produkt.deckungsbeitrag:12,.2f} EUR") + print("-" * 66) + print(loesung.als_bericht()) + print("Abnahmepruefung: bestanden\n") + + # Die Schattenpreise beantworten die Frage, die der Plan nicht stellt: + # Was waere eine zusaetzliche Einheit dieser Ressource wert? + for ressource, preis in loesung.schattenpreise.items(): + print(f" eine Einheit {ressource:<18} mehr waere wert: {preis:7.2f} EUR") + print("=" * 66) + print(f"Ergebnis geschrieben nach: {AUSGABE}")

Erwartete Ausgabe:

Beispiel-Eingabedatei angelegt: produktionsmix.xlsx
 ==================================================================
diff --git a/OR_HTML_04/programme/Excel_Bruecke.py b/OR_HTML_04/programme/Excel_Bruecke.py
index b50b3be..e023ac7 100644
--- a/OR_HTML_04/programme/Excel_Bruecke.py
+++ b/OR_HTML_04/programme/Excel_Bruecke.py
@@ -34,8 +34,13 @@ import pandas as pd
 from or_kern import (lade_produktionsproblem, loese_mit_glop, pruefe_loesung,
                      schreibe_ergebnis)
 
-EINGABE = "produktionsmix.xlsx"
-AUSGABE = "produktionsmix_ergebnis.xlsx"
+# Die Mappen liegen NEBEN diesem Programm, nicht im aktuellen
+# Arbeitsverzeichnis. Sonst haengt es davon ab, aus welchem Ordner man das
+# Skript startet, wo die Dateien landen - und wer es aus der
+# Repository-Wurzel aufruft, verstreut sie dort.
+HIER = os.path.dirname(os.path.abspath(__file__))
+EINGABE = os.path.join(HIER, "produktionsmix.xlsx")
+AUSGABE = os.path.join(HIER, "produktionsmix_ergebnis.xlsx")
 
 
 def lege_beispieldatei_an(pfad: str) -> None:
diff --git a/OR_HTML_04/stichwortverzeichnis.html b/OR_HTML_04/stichwortverzeichnis.html
index 71d12db..24feda8 100644
--- a/OR_HTML_04/stichwortverzeichnis.html
+++ b/OR_HTML_04/stichwortverzeichnis.html
@@ -99,7 +99,7 @@
     
     
     

-    
Stichwortverzeichnis
219 Fachbegriffe. Ein Klick führt zum jeweiligen Kapitel/Abschnitt (statt einer im Web bedeutungslosen Seitenzahl wie im gedruckten Register).
A
Absolutbetrag (Modellierungsmuster) — Anhang B: Katalog der Modellierungsmuster
Adjusted Close — Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Aktivierungsschalter (Modellierungsmuster) — Anhang B: Katalog der Modellierungsmuster
Almgren-Chriss-Modell — Anhang E: Glossar und Literatur, Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Alternativoptima — Anhang E: Glossar und Literatur
Approximate Dynamic Programming — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
B
Bedingte Kopplung (Konjunktion) — Anhang B: Katalog der Modellierungsmuster
Bellman, Richard — Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Bellman-Gleichung — Anhang E: Glossar und Literatur, Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Benders-Zerlegung — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Big-M-Methode — Anhang E: Glossar und Literatur, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Binärvariable — Anhang E: Glossar und Literatur
Bipartites Matching — Anhang E: Glossar und Literatur, Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Black-Box-Effekt — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Branch-and-Bound — Anhang E: Glossar und Literatur, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Branch-and-Cut — Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound, Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
Brute Force — Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Budgeted Uncertainty — Anhang E: Glossar und Literatur, Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Budgetlimit — Anhang B: Katalog der Modellierungsmuster
C
Calmar Ratio — Anhang E: Glossar und Literatur
CDCL — Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung, Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
Chance Constraint — Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Column Generation — Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt, Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Conditional Value at Risk (CVaR) — Anhang E: Glossar und Literatur, Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
Constraint Attribution — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Constraint Programming (CP) — Anhang E: Glossar und Literatur, Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
Constraint Propagation — Anhang E: Glossar und Literatur, Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
Constraint-Trace — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
CP-SAT — Anhang E: Glossar und Literatur
CP-SAT-Solver — Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
CSR-Format — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
CVRPTW — Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
CVXPY — Anhang E: Glossar und Literatur, Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
D
Dantzig, George — Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Data Snooping — Kapitel 21: Die vollständige quantitative Handelsmaschine
DCPError — Anhang C: Fehlerdiagnose-Handbuch
Deletion Filter — Anhang C: Fehlerdiagnose-Handbuch
Diskrete Rendite — Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Diversifikation — Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Dual Simplex — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
Duales Problem — Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Dualitätstheorie — Anhang E: Glossar und Literatur
Dynamische Programmierung — Anhang E: Glossar und Literatur, Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
E
Ecke (Extrempunkt) — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Effizienzgrenze — Anhang E: Glossar und Literatur, Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Entartung — Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Entscheidungsvariable — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Entscheidungsvektor — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Entweder-Oder-Bedingung — Anhang B: Katalog der Modellierungsmuster
Error-Maximizer-Effekt — Anhang E: Glossar und Literatur, Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
EVPI — Anhang E: Glossar und Literatur, Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Exklusiv-Oder — Anhang B: Katalog der Modellierungsmuster
Expected Shortfall — Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
Explainable OR — Anhang E: Glossar und Literatur
F
Fallback-Strategie — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Falsche Dualwerte (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Fat Tails — Anhang E: Glossar und Literatur, Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
Fluch der Dimensionalität — Anhang E: Glossar und Literatur, Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Fluch des Durchschnitts — Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Flusserhaltung — Anhang E: Glossar und Literatur, Anhang B: Katalog der Modellierungsmuster, Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Fundamentalsatz der linearen Optimierung — Anhang E: Glossar und Literatur, Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
G
Genetischer Algorithmus — Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt
Gestaffelte Preise (stückweise linear) — Anhang B: Katalog der Modellierungsmuster
Gini-Koeffizient — Projektwerkstatt
Gleitendes Fenster — Anhang B: Katalog der Modellierungsmuster
Globale Constraints — Anhang E: Glossar und Literatur, Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
Globales Minimum — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
GMV (Global Minimum Variance) — Anhang E: Glossar und Literatur, Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Goldene Regel des Backtestens — Kapitel 21: Die vollständige quantitative Handelsmaschine
Gradient — Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Gurobi — Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
H
Herfindahl-Index — Projektwerkstatt
Hierarchische Relaxation — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
HiGHS — Anhang E: Glossar und Literatur, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
I
IIS (Irreducible Infeasible Subset) — Anhang C: Fehlerdiagnose-Handbuch
Implikation (Modellierungsmuster) — Anhang B: Katalog der Modellierungsmuster
Importfehler (ortools und highspy) — Anhang C: Fehlerdiagnose-Handbuch
Infeasibility — Anhang C: Fehlerdiagnose-Handbuch, Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Instabile Lösung (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Interior-Point-Verfahren — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
Intervallvariable — Anhang E: Glossar und Literatur, Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
J
Jensensche Ungleichung — Anhang E: Glossar und Literatur, Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Job-Shop-Scheduling — Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
K
Kanonische Standardform — Anhang E: Glossar und Literatur
Kapazitätsvektor — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Kardinalitätsbeschränkung — Anhang E: Glossar und Literatur, Anhang B: Katalog der Modellierungsmuster, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
KKT-Bedingungen — Anhang E: Glossar und Literatur, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Kohärentes Risikomaß — Anhang E: Glossar und Literatur
Kombinatorische Explosion — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Komplementärer Schlupf — Anhang E: Glossar und Literatur, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Konditionszahl — Anhang C: Fehlerdiagnose-Handbuch, Anhang E: Glossar und Literatur, Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Konische Optimierung (SOCP, SDP) — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz, Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Konvexität — Anhang E: Glossar und Literatur, Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Korn-Transformation — Anhang E: Glossar und Literatur, Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Kostenzerlegung — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Kovarianzmatrix — Anhang E: Glossar und Literatur, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Kumulative Ressource — Anhang B: Katalog der Modellierungsmuster
L
Lagrange-Funktion — Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Lagrange-Multiplikator — Anhang E: Glossar und Literatur
Large Neighborhood Search — Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt
Laufzeitexplosion (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Ledoit-Wolf-Shrinkage — Anhang E: Glossar und Literatur, Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Lexikografische Optimierung — Anhang B: Katalog der Modellierungsmuster, Kapitel 14: Mehrere Ziele — Pareto-Fronten statt Gewichte
Lineare Programmierung (LP) — Anhang E: Glossar und Literatur
Linopy — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
linprog — Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Logarithmische Rendite — Anhang E: Glossar und Literatur, Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Lokales Minimum — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Lookahead-Bias — Anhang E: Glossar und Literatur, Kapitel 21: Die vollständige quantitative Handelsmaschine
LP-Relaxation — Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
M
Makespan — Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
Marchenko-Pastur-Gesetz — Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Markowitz-Modell (Mean-Variance) — Anhang E: Glossar und Literatur, Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Marktauswirkung — Anhang E: Glossar und Literatur, Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Matrix-Vektor-Produkt — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Matrixform — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Maximin-Fairness — Anhang B: Katalog der Modellierungsmuster
Maximum Drawdown — Anhang E: Glossar und Literatur
Mensch in der Schleife — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Metaheuristik — Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt
MILP — Anhang E: Glossar und Literatur, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Min-Cost-Flow — Anhang E: Glossar und Literatur, Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Mindestabnahmemenge — Anhang B: Katalog der Modellierungsmuster
MINLP — Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
MIP-Gap — Anhang E: Glossar und Literatur, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Monte-Carlo-Simulation — Anhang E: Glossar und Literatur, Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
MTZ-Formulierung — Anhang E: Glossar und Literatur, Anhang B: Katalog der Modellierungsmuster, Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Multi-Objective Optimization — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
N
Nebenbedingung — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Newsvendor-Problem — Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Nichtlineare Programmierung (NLP) — Anhang E: Glossar und Literatur
Nichtüberlappung — Anhang B: Katalog der Modellierungsmuster
NP-schwer — Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
O
Operations Research — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Optimalitätsprinzip — Anhang E: Glossar und Literatur, Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
OR-Tools — Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Overfitting — Kapitel 21: Die vollständige quantitative Handelsmaschine
P
Parameter (Modell) — Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Pareto-Front — Kapitel 14: Mehrere Ziele — Pareto-Fronten statt Gewichte
Pivotisierung — Anhang E: Glossar und Literatur
Polars — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
Polyeder — Anhang E: Glossar und Literatur, Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Positiv (semi-)definit — Anhang E: Glossar und Literatur
Präskriptive Analytik — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Predict-then-Optimize — Kapitel 15: Predict-then-Optimize — die bessere Prognose, die schlechtere Entscheidung
Primales Problem — Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Pyomo — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
Q
Q-Learning — Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Quadratische Programmierung (QP) — Anhang E: Glossar und Literatur, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
R
Rebalancing — Anhang E: Glossar und Literatur
Regime-Shift — Anhang E: Glossar und Literatur
Reinforcement Learning — Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Relaxation — Anhang E: Glossar und Literatur
Robuste Optimierung — Anhang E: Glossar und Literatur, Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Rockafellar-Uryasev-Theorem — Anhang E: Glossar und Literatur, Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
Routing-Bibliothek — Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Rucksackproblem — Anhang B: Katalog der Modellierungsmuster, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Rückwärtsinduktion — Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Ruiz-Equilibrierung — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Rüstzeit — Anhang B: Katalog der Modellierungsmuster
S
SAT (Boolean Satisfiability) — Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
Satz von Birkhoff und von Neumann — Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Schattenpreis — Anhang E: Glossar und Literatur, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Schätzfehler — Anhang E: Glossar und Literatur
Schlupfvariable — Anhang E: Glossar und Literatur, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Schnittebenen — Anhang E: Glossar und Literatur, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
SCIP — Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Semikontinuierliche Variable — Anhang B: Katalog der Modellierungsmuster, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Sensitivitätsanalyse — Anhang E: Glossar und Literatur, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Shannon-Entropie — Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Sharpe-Ratio — Anhang E: Glossar und Literatur, Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Simplex-Algorithmus — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Simulated Annealing — Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt
Skalarisierung — Kapitel 14: Mehrere Ziele — Pareto-Fronten statt Gewichte
Skalarprodukt — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
SLSQP — Anhang E: Glossar und Literatur, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Snapshot-Prinzip — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Starker Dualitätssatz — Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Stichproben-Kovarianzmatrix — Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Stochastische Programmierung — Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Strafkosten — Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Subadditivität — Anhang E: Glossar und Literatur, Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
Subtour — Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Survivorship-Bias — Anhang E: Glossar und Literatur, Kapitel 21: Die vollständige quantitative Handelsmaschine
Symmetriebrechung — Anhang E: Glossar und Literatur, Anhang B: Katalog der Modellierungsmuster
T
Tabu-Suche — Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt
Tangentialportfolio — Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Technologiematrix — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Totale Unimodularität — Anhang E: Glossar und Literatur, Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Transaktionskosten — Anhang E: Glossar und Literatur
Trickle Flow — Anhang A: Lösungen zu allen Übungsaufgaben
TSP (Traveling Salesperson Problem) — Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Turnover (Umschlag) — Anhang E: Glossar und Literatur, Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
TWAP — Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
U
Umrüstkosten (Modellierungsmuster) — Anhang B: Katalog der Modellierungsmuster
Unbounded (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Ungarischer Algorithmus — Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Unsicherheitsmenge — Anhang E: Glossar und Literatur
Unsinniges Ergebnis (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
V
Value at Risk (VaR) — Anhang E: Glossar und Literatur, Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
Vehicle Routing Problem (VRP) — Anhang E: Glossar und Literatur
Verdächtig guter Backtest (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Verhältnis-Bedingung — Anhang B: Katalog der Modellierungsmuster
Vertauschte Spalten (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Volatilität — Anhang E: Glossar und Literatur
Vorrangbeziehung — Anhang B: Katalog der Modellierungsmuster
W
Walk-Forward-Backtest — Anhang E: Glossar und Literatur, Kapitel 21: Die vollständige quantitative Handelsmaschine
Warm-Start — Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Weiche Grenze mit Strafkosten — Anhang B: Katalog der Modellierungsmuster
Widersprüchliche Solver (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Wurzel-Zeit-Regel — Anhang E: Glossar und Literatur
Z
Zielfunktion — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Zufallsmatrizentheorie — Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Zulässiger Bereich — Anhang E: Glossar und Literatur, Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Zuordnungsproblem (1:1) — Anhang B: Katalog der Modellierungsmuster
Zustandslosigkeit (OR-Plattform) — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Zustandsraum — Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Zwei-Phasen-Simplex-Methode — Anhang A: Lösungen zu allen Übungsaufgaben
Zweischichtige Architektur — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten

+    
Stichwortverzeichnis
219 Fachbegriffe. Ein Klick führt zum jeweiligen Kapitel/Abschnitt (statt einer im Web bedeutungslosen Seitenzahl wie im gedruckten Register).
A
Absolutbetrag (Modellierungsmuster) — Anhang B: Katalog der Modellierungsmuster
Adjusted Close — Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Aktivierungsschalter (Modellierungsmuster) — Anhang B: Katalog der Modellierungsmuster
Almgren-Chriss-Modell — Anhang E: Glossar und Literatur, Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Alternativoptima — Anhang E: Glossar und Literatur
Approximate Dynamic Programming — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
B
Bedingte Kopplung (Konjunktion) — Anhang B: Katalog der Modellierungsmuster
Bellman, Richard — Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Bellman-Gleichung — Anhang E: Glossar und Literatur, Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Benders-Zerlegung — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Big-M-Methode — Anhang E: Glossar und Literatur, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Binärvariable — Anhang E: Glossar und Literatur
Bipartites Matching — Anhang E: Glossar und Literatur, Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Black-Box-Effekt — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Branch-and-Bound — Anhang E: Glossar und Literatur, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Branch-and-Cut — Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound, Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
Brute Force — Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Budgeted Uncertainty — Anhang E: Glossar und Literatur, Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Budgetlimit — Anhang B: Katalog der Modellierungsmuster
C
Calmar Ratio — Anhang E: Glossar und Literatur
CDCL — Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung, Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
Chance Constraint — Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Column Generation — Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt, Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Conditional Value at Risk (CVaR) — Anhang E: Glossar und Literatur, Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
Constraint Attribution — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Constraint Programming (CP) — Anhang E: Glossar und Literatur, Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
Constraint Propagation — Anhang E: Glossar und Literatur, Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
Constraint-Trace — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
CP-SAT — Anhang E: Glossar und Literatur
CP-SAT-Solver — Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
CSR-Format — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
CVRPTW — Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
CVXPY — Anhang E: Glossar und Literatur, Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
D
Dantzig, George — Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Data Snooping — Kapitel 21: Die vollständige quantitative Handelsmaschine
DCPError — Anhang C: Fehlerdiagnose-Handbuch
Deletion Filter — Anhang C: Fehlerdiagnose-Handbuch
Diskrete Rendite — Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Diversifikation — Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Dual Simplex — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
Duales Problem — Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Dualitätstheorie — Anhang E: Glossar und Literatur
Dynamische Programmierung — Anhang E: Glossar und Literatur, Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
E
Ecke (Extrempunkt) — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Effizienzgrenze — Anhang E: Glossar und Literatur, Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Entartung — Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Entscheidungsvariable — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Entscheidungsvektor — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Entweder-Oder-Bedingung — Anhang B: Katalog der Modellierungsmuster
Error-Maximizer-Effekt — Anhang E: Glossar und Literatur, Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
EVPI — Anhang E: Glossar und Literatur, Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Exklusiv-Oder — Anhang B: Katalog der Modellierungsmuster
Expected Shortfall — Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
Explainable OR — Anhang E: Glossar und Literatur
F
Fallback-Strategie — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Falsche Dualwerte (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Fat Tails — Anhang E: Glossar und Literatur, Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
Fluch der Dimensionalität — Anhang E: Glossar und Literatur, Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Fluch des Durchschnitts — Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Flusserhaltung — Anhang E: Glossar und Literatur, Anhang B: Katalog der Modellierungsmuster, Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Fundamentalsatz der linearen Optimierung — Anhang E: Glossar und Literatur, Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
G
Genetischer Algorithmus — Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt
Gestaffelte Preise (stückweise linear) — Anhang B: Katalog der Modellierungsmuster
Gini-Koeffizient — Projektwerkstatt
Gleitendes Fenster — Anhang B: Katalog der Modellierungsmuster
Globale Constraints — Anhang E: Glossar und Literatur, Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
Globales Minimum — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
GMV (Global Minimum Variance) — Anhang E: Glossar und Literatur, Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Goldene Regel des Backtestens — Kapitel 21: Die vollständige quantitative Handelsmaschine
Gradient — Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Gurobi — Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
H
Herfindahl-Index — Projektwerkstatt
Hierarchische Relaxation — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
HiGHS — Anhang E: Glossar und Literatur, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
I
IIS (Irreducible Infeasible Subset) — Anhang C: Fehlerdiagnose-Handbuch
Implikation (Modellierungsmuster) — Anhang B: Katalog der Modellierungsmuster
Importfehler (ortools und highspy) — Anhang C: Fehlerdiagnose-Handbuch
Infeasibility — Anhang C: Fehlerdiagnose-Handbuch, Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Instabile Lösung (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Interior-Point-Verfahren — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
Intervallvariable — Anhang E: Glossar und Literatur, Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
J
Jensensche Ungleichung — Anhang E: Glossar und Literatur, Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Job-Shop-Scheduling — Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
K
Kanonische Standardform — Anhang E: Glossar und Literatur
Kapazitätsvektor — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Kardinalitätsbeschränkung — Anhang E: Glossar und Literatur, Anhang B: Katalog der Modellierungsmuster, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
KKT-Bedingungen — Anhang E: Glossar und Literatur, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Kohärentes Risikomaß — Anhang E: Glossar und Literatur
Kombinatorische Explosion — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Komplementärer Schlupf — Anhang E: Glossar und Literatur, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Konditionszahl — Anhang C: Fehlerdiagnose-Handbuch, Anhang E: Glossar und Literatur, Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Konische Optimierung (SOCP, SDP) — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz, Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Konvexität — Anhang E: Glossar und Literatur, Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Korn-Transformation — Anhang E: Glossar und Literatur, Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Kostenzerlegung — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Kovarianzmatrix — Anhang E: Glossar und Literatur, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Kumulative Ressource — Anhang B: Katalog der Modellierungsmuster
L
Lagrange-Funktion — Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Lagrange-Multiplikator — Anhang E: Glossar und Literatur
Large Neighborhood Search — Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt
Laufzeitexplosion (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Ledoit-Wolf-Shrinkage — Anhang E: Glossar und Literatur, Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Lexikografische Optimierung — Anhang B: Katalog der Modellierungsmuster, Kapitel 14: Mehrere Ziele — Pareto-Fronten statt Gewichte
Lineare Programmierung (LP) — Anhang E: Glossar und Literatur
Linopy — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
linprog — Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Logarithmische Rendite — Anhang E: Glossar und Literatur, Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Lokales Minimum — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Lookahead-Bias — Anhang E: Glossar und Literatur, Kapitel 21: Die vollständige quantitative Handelsmaschine
LP-Relaxation — Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
M
Makespan — Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
Marchenko-Pastur-Gesetz — Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Markowitz-Modell (Mean-Variance) — Anhang E: Glossar und Literatur, Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Marktauswirkung — Anhang E: Glossar und Literatur, Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Matrix-Vektor-Produkt — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Matrixform — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Maximin-Fairness — Anhang B: Katalog der Modellierungsmuster
Maximum Drawdown — Anhang E: Glossar und Literatur
Mensch in der Schleife — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Metaheuristik — Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt
MILP — Anhang E: Glossar und Literatur, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Min-Cost-Flow — Anhang E: Glossar und Literatur, Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Mindestabnahmemenge — Anhang B: Katalog der Modellierungsmuster
MINLP — Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
MIP-Gap — Anhang E: Glossar und Literatur, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Monte-Carlo-Simulation — Anhang E: Glossar und Literatur, Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
MTZ-Formulierung — Anhang E: Glossar und Literatur, Anhang B: Katalog der Modellierungsmuster, Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Multi-Objective Optimization — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
N
Nebenbedingung — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Newsvendor-Problem — Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Nichtlineare Programmierung (NLP) — Anhang E: Glossar und Literatur
Nichtüberlappung — Anhang B: Katalog der Modellierungsmuster
NP-schwer — Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
O
Operations Research — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Optimalitätsprinzip — Anhang E: Glossar und Literatur, Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
OR-Tools — Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Overfitting — Kapitel 21: Die vollständige quantitative Handelsmaschine
P
Parameter (Modell) — Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Pareto-Front — Kapitel 14: Mehrere Ziele — Pareto-Fronten statt Gewichte
Pivotisierung — Anhang E: Glossar und Literatur
Polars — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
Polyeder — Anhang E: Glossar und Literatur, Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Positiv (semi-)definit — Anhang E: Glossar und Literatur
Präskriptive Analytik — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Predict-then-Optimize — Kapitel 15: Predict-then-Optimize — die bessere Prognose, die schlechtere Entscheidung
Primales Problem — Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Pyomo — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten
Q
Q-Learning — Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Quadratische Programmierung (QP) — Anhang E: Glossar und Literatur, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
R
Rebalancing — Anhang E: Glossar und Literatur
Regime-Shift — Anhang E: Glossar und Literatur
Reinforcement Learning — Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Relaxation — Anhang E: Glossar und Literatur
Robuste Optimierung — Anhang E: Glossar und Literatur, Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Rockafellar-Uryasev-Theorem — Anhang E: Glossar und Literatur, Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
Routing-Bibliothek — Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Rucksackproblem — Anhang B: Katalog der Modellierungsmuster, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Rückwärtsinduktion — Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Ruiz-Equilibrierung — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Rüstzeit — Anhang B: Katalog der Modellierungsmuster
S
SAT (Boolean Satisfiability) — Kapitel 7: Constraint Programming mit CP-SAT — Logik, Scheduling und Zuweisung
Satz von Birkhoff und von Neumann — Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Schattenpreis — Anhang E: Glossar und Literatur, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Schätzfehler — Anhang E: Glossar und Literatur
Schlupfvariable — Anhang E: Glossar und Literatur, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Schnittebenen — Anhang E: Glossar und Literatur, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
SCIP — Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Semikontinuierliche Variable — Anhang B: Katalog der Modellierungsmuster, Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Sensitivitätsanalyse — Anhang E: Glossar und Literatur, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Shannon-Entropie — Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Sharpe-Ratio — Anhang E: Glossar und Literatur, Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Simplex-Algorithmus — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung, Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Simulated Annealing — Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt
Skalarisierung — Kapitel 14: Mehrere Ziele — Pareto-Fronten statt Gewichte
Skalarprodukt — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
SLSQP — Anhang E: Glossar und Literatur, Kapitel 11: Quadratische und nichtlineare Optimierung — KKT, Lagrange, Konvexität
Snapshot-Prinzip — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Starker Dualitätssatz — Kapitel 5: Lineare Programmierung — Simplex, Dualität und Schattenpreise
Stichproben-Kovarianzmatrix — Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Stochastische Programmierung — Kapitel 12: Optimierung unter Unsicherheit — Monte-Carlo, Stochastik, Robustheit
Strafkosten — Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Subadditivität — Anhang E: Glossar und Literatur, Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
Subtour — Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Survivorship-Bias — Anhang E: Glossar und Literatur, Kapitel 21: Die vollständige quantitative Handelsmaschine
Symmetriebrechung — Anhang E: Glossar und Literatur, Anhang B: Katalog der Modellierungsmuster
T
Tabu-Suche — Kapitel 9: Metaheuristiken — wenn der exakte Solver aussteigt
Tangentialportfolio — Kapitel 19: Die moderne Portfoliotheorie nach Markowitz
Technologiematrix — Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Totale Unimodularität — Anhang E: Glossar und Literatur, Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Transaktionskosten — Anhang E: Glossar und Literatur
Trickle Flow — Anhang A: Lösungen zu allen Übungsaufgaben
TSP (Traveling Salesperson Problem) — Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Turnover (Umschlag) — Anhang E: Glossar und Literatur, Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
TWAP — Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
U
Umrüstkosten (Modellierungsmuster) — Anhang B: Katalog der Modellierungsmuster
Unbounded (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Ungarischer Algorithmus — Kapitel 8: Graphen, Flüsse und Touren — Min-Cost-Flow, Matching und VRP
Unsicherheitsmenge — Anhang E: Glossar und Literatur
Unsinniges Ergebnis (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
V
Value at Risk (VaR) — Anhang E: Glossar und Literatur, Kapitel 20: Tail-Risiko, CVaR und Transaktionskosten
Vehicle Routing Problem (VRP) — Anhang E: Glossar und Literatur
Verdächtig guter Backtest (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Verhältnis-Bedingung — Anhang B: Katalog der Modellierungsmuster
Vertauschte Spalten (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Volatilität — Anhang E: Glossar und Literatur
Vorrangbeziehung — Anhang B: Katalog der Modellierungsmuster
W
Walk-Forward-Backtest — Anhang E: Glossar und Literatur, Kapitel 21: Die vollständige quantitative Handelsmaschine
Warm-Start — Kapitel 6: Gemischt-ganzzahlige Optimierung — Diskrete Entscheidungen und Branch-and-Bound
Weiche Grenze mit Strafkosten — Anhang B: Katalog der Modellierungsmuster
Widersprüchliche Solver (Fehlerbild) — Anhang C: Fehlerdiagnose-Handbuch
Wurzel-Zeit-Regel — Anhang E: Glossar und Literatur
Z
Zielfunktion — Anhang E: Glossar und Literatur, Kapitel 1: Einführung in Operations Research — Vom Ursprung zur mathematischen Entscheidungsfindung
Zufallsmatrizentheorie — Kapitel 18: Finanzdaten-Modellierung — Renditen, Kovarianz und Shrinkage
Zulässiger Bereich — Anhang E: Glossar und Literatur, Kapitel 2: Das mathematische Fundament — Vektoren, Matrizen, Konvexität
Zuordnungsproblem (1:1) — Anhang B: Katalog der Modellierungsmuster
Zustandslosigkeit (OR-Plattform) — Kapitel 22: Praxisfallen und der Weg zum produktiven Einsatz
Zustandsraum — Kapitel 13: Dynamische Programmierung — Die Bellman-Gleichung und Order-Execution
Zwei-Phasen-Simplex-Methode — Anhang A: Lösungen zu allen Übungsaufgaben
Zweischichtige Architektur — Kapitel 3: Das Python-Ökosystem für OR — Solver, Bindings und Modellierungsschichten

     

     
     
diff --git a/Operations_Research_mit_Python_Version_04.md b/Operations_Research_mit_Python_Version_04.md
index 705ad32..6a4eb22 100644
--- a/Operations_Research_mit_Python_Version_04.md
+++ b/Operations_Research_mit_Python_Version_04.md
@@ -1539,8 +1539,13 @@ import pandas as pd
 from or_kern import (lade_produktionsproblem, loese_mit_glop, pruefe_loesung,
                      schreibe_ergebnis)
 
-EINGABE = "produktionsmix.xlsx"
-AUSGABE = "produktionsmix_ergebnis.xlsx"
+# Die Mappen liegen NEBEN diesem Programm, nicht im aktuellen
+# Arbeitsverzeichnis. Sonst haengt es davon ab, aus welchem Ordner man das
+# Skript startet, wo die Dateien landen - und wer es aus der
+# Repository-Wurzel aufruft, verstreut sie dort.
+HIER = os.path.dirname(os.path.abspath(__file__))
+EINGABE = os.path.join(HIER, "produktionsmix.xlsx")
+AUSGABE = os.path.join(HIER, "produktionsmix_ergebnis.xlsx")
 
 
 def lege_beispieldatei_an(pfad: str) -> None:
diff --git a/Operations_Research_mit_Python_Version_04.pdf b/Operations_Research_mit_Python_Version_04.pdf
index 077f0a4..e86efe9 100644
Binary files a/Operations_Research_mit_Python_Version_04.pdf and b/Operations_Research_mit_Python_Version_04.pdf differ
diff --git a/Operations_Research_mit_Python_Version_04/10_Einfuehrung_OR.md b/Operations_Research_mit_Python_Version_04/10_Einfuehrung_OR.md
index 78f1804..fea3591 100644
--- a/Operations_Research_mit_Python_Version_04/10_Einfuehrung_OR.md
+++ b/Operations_Research_mit_Python_Version_04/10_Einfuehrung_OR.md
@@ -966,8 +966,13 @@ import pandas as pd
 from or_kern import (lade_produktionsproblem, loese_mit_glop, pruefe_loesung,
                      schreibe_ergebnis)
 
-EINGABE = "produktionsmix.xlsx"
-AUSGABE = "produktionsmix_ergebnis.xlsx"
+# Die Mappen liegen NEBEN diesem Programm, nicht im aktuellen
+# Arbeitsverzeichnis. Sonst haengt es davon ab, aus welchem Ordner man das
+# Skript startet, wo die Dateien landen - und wer es aus der
+# Repository-Wurzel aufruft, verstreut sie dort.
+HIER = os.path.dirname(os.path.abspath(__file__))
+EINGABE = os.path.join(HIER, "produktionsmix.xlsx")
+AUSGABE = os.path.join(HIER, "produktionsmix_ergebnis.xlsx")
 
 
 def lege_beispieldatei_an(pfad: str) -> None:
diff --git a/Operations_Research_mit_Python_Version_04/build_version_04.py b/Operations_Research_mit_Python_Version_04/build_version_04.py
index 09544e6..dcae003 100644
--- a/Operations_Research_mit_Python_Version_04/build_version_04.py
+++ b/Operations_Research_mit_Python_Version_04/build_version_04.py
@@ -1447,7 +1447,13 @@ def spiegle_bilder(html_verz: str) -> None:
         return
     ziel_wurzel = os.path.join(html_verz, BILDER_NAME)
     kopiert = 0
-    for wurzel, _verzeichnisse, dateien in os.walk(BILDER_VERZ):
+    for wurzel, verzeichnisse, dateien in os.walk(BILDER_VERZ):
+        # Unterverzeichnisse ohne Grafiken gar nicht erst betreten. os.walk
+        # wuerde sie sonst durchlaufen, und os.makedirs() legte sie am Ziel an -
+        # so stand ein leeres __pycache__/ auf dem Webserver, obwohl der
+        # Dateifilter unten korrekt nichts daraus kopiert hat.
+        verzeichnisse[:] = [v for v in verzeichnisse
+                            if v != "__pycache__" and not v.startswith(".")]
         rel = os.path.relpath(wurzel, BILDER_VERZ)
         ziel_verz = ziel_wurzel if rel == "." else os.path.join(ziel_wurzel, rel)
         os.makedirs(ziel_verz, exist_ok=True)
diff --git a/Operations_Research_mit_Python_Version_04_Programme/Excel_Bruecke.py b/Operations_Research_mit_Python_Version_04_Programme/Excel_Bruecke.py
index b50b3be..e023ac7 100644
--- a/Operations_Research_mit_Python_Version_04_Programme/Excel_Bruecke.py
+++ b/Operations_Research_mit_Python_Version_04_Programme/Excel_Bruecke.py
@@ -34,8 +34,13 @@ import pandas as pd
 from or_kern import (lade_produktionsproblem, loese_mit_glop, pruefe_loesung,
                      schreibe_ergebnis)
 
-EINGABE = "produktionsmix.xlsx"
-AUSGABE = "produktionsmix_ergebnis.xlsx"
+# Die Mappen liegen NEBEN diesem Programm, nicht im aktuellen
+# Arbeitsverzeichnis. Sonst haengt es davon ab, aus welchem Ordner man das
+# Skript startet, wo die Dateien landen - und wer es aus der
+# Repository-Wurzel aufruft, verstreut sie dort.
+HIER = os.path.dirname(os.path.abspath(__file__))
+EINGABE = os.path.join(HIER, "produktionsmix.xlsx")
+AUSGABE = os.path.join(HIER, "produktionsmix_ergebnis.xlsx")
 
 
 def lege_beispieldatei_an(pfad: str) -> None:
diff --git a/PROGRESS.md b/PROGRESS.md
index 81fb452..c76910c 100644
--- a/PROGRESS.md
+++ b/PROGRESS.md
@@ -77,9 +77,9 @@ sie unerwartet ab, ist etwas kaputtgegangen.
 | Kapiteldateien | 22 | **36** (31 + 5 Teil-Synthesen) |
 | Kapitel | 15 | **23** |
 | Anhänge | 4 | **5** |
-| Zeilen im Gesamtdokument | 11 082 | **28 565** |
+| Zeilen im Gesamtdokument | 11 082 | **28 570** |
 | Größe des Gesamtdokuments | 606 KB | **1 622 KB** |
-| Hauptüberschriften | 131 | **302** |
+| Hauptüberschriften | 131 | **306** |
 | registrierte Abschnitte | 122 | **296** |
 | aufgelöste Querverweise | 314 | **825** (0 unaufgelöst) |
 | Indexmarken | 295 | **328** |
@@ -87,7 +87,7 @@ sie unerwartet ab, ist etwas kaputtgegangen.
 | PDF-Seiten | — | **760** |
 | Notebooks | — | **25** |
 | Plotly-Figuren | — | **4** |
-| Diagramme (SVG) | 26 | **33**, davon **19** mit Generatorskript (16 Skripte) |
+| Diagramme (SVG) | 26 | **33**, davon **19** mit Generatorskript (16 Skripte); keine PNG-Zweitfassung mehr |
 
 **Gegenprobe:** `build_version_03.py --check` läuft unverändert durch — Version 03 ist von
 allen Änderungen unberührt.
@@ -1909,6 +1909,36 @@ könnte die Hälfte der Beispiele nicht ausführen.
 
 **Damit ist Phase 8 abgeschlossen und der Plan abgearbeitet.**
 
+### ✅ Aufgeräumt — und dabei zwei Funde
+
+**Die 33 PNG-Zweitfassungen sind weg.** Jedes Diagramm lag doppelt vor, als SVG und als PNG,
+und **kein einziges `src=`/`href=` in der Website zeigte je auf ein PNG**. Der Build kopierte
+sie trotzdem mit: 3,3 MB im Repository plus 3,3 MB, die bei jeder Veröffentlichung auf den
+Webserver gingen, ohne dass sie jemand abrief. Die 15 Generatoren schreiben jetzt nur noch
+SVG; die Docstrings sind mitgezogen. Vor dem Löschen geprüft: Jedes PNG hatte sein
+gleichnamiges SVG, und alle 33 waren versioniert — rückholbar.
+
+**Fund 1 dabei: `erzeuge_kap06_gantt.py` folgte als einziger Generator nicht der Konvention.**
+Weder `svg.hashsalt` noch `metadata={"Date": None}` waren gesetzt. Sein SVG trug deshalb
+einen echten Zeitstempel und bei jedem Lauf andere `clip-path`-IDs — es war **nie**
+byteidentisch reproduzierbar, obwohl `CLAUDE.md` genau das für alle Generatoren festhält.
+Aufgefallen ist es nur, weil nach der PNG-Umstellung 32 von 33 SVGs bitgleich blieben und
+eines nicht. Jetzt byteidentisch über zwei Läufe.
+
+**Fund 2: `spiegle_bilder()` legte leere Verzeichnisse auf dem Webserver an.** Der
+Dateifilter arbeitete korrekt, aber `os.walk` durchlief auch `__pycache__/`, und
+`os.makedirs()` erzeugte es am Ziel — ein leerer Ordner in `OR_HTML_04/bilder_04/`. Die
+Verzeichnisliste wird jetzt vorher gefiltert. Gegengetestet.
+
+**`Excel_Bruecke.py` schreibt neben das Skript statt ins Arbeitsverzeichnis.** Es benutzte
+blanke relative Namen; wer es aus der Repository-Wurzel startete, verstreute dort
+`produktionsmix.xlsx` und `produktionsmix_ergebnis.xlsx`. Jetzt wie die vier anderen
+schreibenden Programme über `os.path.dirname(os.path.abspath(__file__))`. Nachgemessen: Lauf
+aus der Wurzel legt dort **null** Dateien ab.
+
+**Und `git gc`:** 653 lose Objekte gepackt, `.git` von 71 MB auf **28 MB** — reines
+Repacken, kein Inhalt berührt.
+
 ---
 
 ## 8. Commit-Historie des V04-Strangs
diff --git a/bilder_04/erzeuge_architektur_diagramme.py b/bilder_04/erzeuge_architektur_diagramme.py
index 831bd7a..028f174 100644
--- a/bilder_04/erzeuge_architektur_diagramme.py
+++ b/bilder_04/erzeuge_architektur_diagramme.py
@@ -4,8 +4,8 @@
 """
 Erzeugt die beiden Architekturdiagramme fuer den Weg vom Skript zum Betrieb:
 
-    bilder_04/kap_praxisfallen_schichten.svg / .png   Schichten von or_kern.py
-    bilder_04/kap_testing_dienst.svg / .png           der Dienst und sein Ablauf
+    bilder_04/kap_praxisfallen_schichten.svg   Schichten von or_kern.py
+    bilder_04/kap_testing_dienst.svg           der Dienst und sein Ablauf
 
 Beide bilden ab, was in den Programmen tatsaechlich steht - nicht ein
 allgemeines Architekturschema:
@@ -62,7 +62,7 @@ def kasten(punkt: graphviz.Digraph, name: str, text: str, farbe: str,
 
 def schreibe(punkt: graphviz.Digraph, name: str) -> None:
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         punkt.format = endung
         pfad = punkt.render(os.path.join(BILDER, name), cleanup=True)
         print(f"geschrieben: {pfad}")
diff --git a/bilder_04/erzeuge_branch_and_bound.py b/bilder_04/erzeuge_branch_and_bound.py
index 3a2cd4a..2a12aa7 100644
--- a/bilder_04/erzeuge_branch_and_bound.py
+++ b/bilder_04/erzeuge_branch_and_bound.py
@@ -4,7 +4,7 @@
 """
 Erzeugt den Branch-and-Bound-Suchbaum zum MILP-Kapitel:
 
-    bilder_04/kap_milp_suchbaum.svg / .png
+    bilder_04/kap_milp_suchbaum.svg
 
 Gezeichnet wird der Baum der Handrechnung des Kapitels:
 
@@ -172,7 +172,7 @@ def zeichne(knoten, kanten, bestes, zielwert, geloest) -> None:
                color="#94a3b8", fontsize="10", margin="0.18,0.12")
 
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         punkt.format = endung
         pfad = punkt.render(os.path.join(BILDER, "kap_milp_suchbaum"), cleanup=True)
         print(f"geschrieben: {pfad}")
diff --git a/bilder_04/erzeuge_effizienzlinie.py b/bilder_04/erzeuge_effizienzlinie.py
index 2ad665b..679e775 100644
--- a/bilder_04/erzeuge_effizienzlinie.py
+++ b/bilder_04/erzeuge_effizienzlinie.py
@@ -5,7 +5,6 @@
 Erzeugt die Figur "Was die Hausregeln kosten" zum Kapitel Markowitz:
 
     bilder_04/kap_markowitz_restriktionen.svg          statisch, fuer das PDF
-    bilder_04/kap_markowitz_restriktionen.png          Rasterfassung
     bilder_04/plotly/kap_markowitz_restriktionen.html  interaktiv, fuer die Website
 
 Gezeigt werden zwei Effizienzlinien desselben Universums: einmal ohne
@@ -210,7 +209,7 @@ def zeichne_statisch(frei, gebunden, abstand, risiko_stelle) -> None:
     figur.tight_layout()
 
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         pfad = os.path.join(BILDER, f"kap_markowitz_restriktionen.{endung}")
         figur.savefig(pfad, format=endung, dpi=160,
                       metadata={"Date": None} if endung == "svg" else None)
diff --git a/bilder_04/erzeuge_kap06_gantt.py b/bilder_04/erzeuge_kap06_gantt.py
index 69f450c..65ee732 100644
--- a/bilder_04/erzeuge_kap06_gantt.py
+++ b/bilder_04/erzeuge_kap06_gantt.py
@@ -5,7 +5,6 @@
 Erzeugt das Gantt-Diagramm zum Job-Shop-Beispiel aus Kapitel 6 in zwei Fassungen:
 
     bilder_04/kap06_jobshop_gantt.svg          statisch, fuer das PDF
-    bilder_04/kap06_jobshop_gantt.png          statisch, Rasterfassung
     bilder_04/plotly/kap06_jobshop_gantt.html  interaktiv, fuer die Website
 
 Die Daten sind identisch mit JobShop_Intervalle.py; geloest wird hier erneut,
@@ -27,6 +26,11 @@ import matplotlib.pyplot as plt
 import plotly.graph_objects as go
 from ortools.sat.python import cp_model
 
+# Reproduzierbare SVG-Ausgabe (siehe erzeuge_titelseite.py). Dieser Generator
+# war als einziger ohne beides - sein SVG trug deshalb einen echten
+# Zeitstempel und bei jedem Lauf andere clip-path-IDs.
+plt.rcParams["svg.hashsalt"] = "or-mit-python-v04"
+
 # Identisch zu JobShop_Intervalle.py
 AUFTRAEGE = [
     [(0, 3), (1, 2), (2, 2)],      # Auftrag 0
@@ -111,9 +115,10 @@ def zeichne_statisch(plan, makespan: int) -> None:
     figur.tight_layout()
 
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         pfad = os.path.join(BILDER, f"kap06_jobshop_gantt.{endung}")
-        figur.savefig(pfad, format=endung, dpi=160)
+        figur.savefig(pfad, format=endung, dpi=160,
+                      metadata={"Date": None} if endung == "svg" else None)
         print(f"geschrieben: {pfad}")
     plt.close(figur)
 
diff --git a/bilder_04/erzeuge_kkt.py b/bilder_04/erzeuge_kkt.py
index 47fff47..eccb685 100644
--- a/bilder_04/erzeuge_kkt.py
+++ b/bilder_04/erzeuge_kkt.py
@@ -4,7 +4,7 @@
 """
 Erzeugt das KKT-Diagramm zum QP/NLP-Kapitel:
 
-    bilder_04/kap_qp_kkt.svg / .png
+    bilder_04/kap_qp_kkt.svg
 
 Zwei Bilder nebeneinander:
 
@@ -216,7 +216,7 @@ if __name__ == "__main__":
     zeichne_2d(rechts, x_stern, lam)
     figur.tight_layout()
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         pfad = os.path.join(BILDER, f"kap_qp_kkt.{endung}")
         figur.savefig(pfad, format=endung, dpi=160,
                       metadata={"Date": None} if endung == "svg" else None)
diff --git a/bilder_04/erzeuge_kondition.py b/bilder_04/erzeuge_kondition.py
index 4caa085..70127f4 100644
--- a/bilder_04/erzeuge_kondition.py
+++ b/bilder_04/erzeuge_kondition.py
@@ -5,7 +5,6 @@
 Erzeugt das Konditionszahl-Diagramm zum Kapitel Fundament:
 
     bilder_04/kap_fundament_kondition.svg   statisch, fuer das PDF
-    bilder_04/kap_fundament_kondition.png   Rasterfassung
 
 Zwei Aussagen, beide gerechnet und nicht behauptet:
 
@@ -185,7 +184,7 @@ def zeichne(kappas, mediane, maxima, kappa_vorher, kappa_nachher) -> None:
 
     figur.tight_layout()
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         pfad = os.path.join(BILDER, f"kap_fundament_kondition.{endung}")
         figur.savefig(pfad, format=endung, dpi=160,
                       metadata={"Date": None} if endung == "svg" else None)
diff --git a/bilder_04/erzeuge_metaheuristik_landschaft.py b/bilder_04/erzeuge_metaheuristik_landschaft.py
index 21b8bb7..a8bf51f 100644
--- a/bilder_04/erzeuge_metaheuristik_landschaft.py
+++ b/bilder_04/erzeuge_metaheuristik_landschaft.py
@@ -5,7 +5,6 @@
 Erzeugt das Suchverlauf-Diagramm zum Kapitel Metaheuristiken:
 
     bilder_04/kap_metaheuristiken_landschaft.svg          statisch, fuer das PDF
-    bilder_04/kap_metaheuristiken_landschaft.png          Rasterfassung
     bilder_04/plotly/kap_metaheuristiken_verlauf.html     interaktiv, fuer die Website
 
 Eine Suchlandschaft laesst sich bei 200 Auftraegen nicht zeichnen - der Raum
@@ -223,7 +222,7 @@ def zeichne(verlaeufe, start, temperaturreihe) -> None:
 
     figur.tight_layout()
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         pfad = os.path.join(BILDER, f"kap_metaheuristiken_landschaft.{endung}")
         figur.savefig(pfad, format=endung, dpi=160,
                       metadata={"Date": None} if endung == "svg" else None)
diff --git a/bilder_04/erzeuge_min_cost_flow.py b/bilder_04/erzeuge_min_cost_flow.py
index 7ad3e9e..be7bb86 100644
--- a/bilder_04/erzeuge_min_cost_flow.py
+++ b/bilder_04/erzeuge_min_cost_flow.py
@@ -4,7 +4,7 @@
 """
 Erzeugt das Flussdiagramm zum Graphen-Kapitel:
 
-    bilder_04/kap_graphen_min_cost_flow.svg / .png
+    bilder_04/kap_graphen_min_cost_flow.svg
 
 Das Vorgaengerbild zeigte die Instanz von Min_Cost_Flow.py korrekt - aber nur
 die Instanz. Kosten und Kapazitaeten standen an den Kanten, der FLUSS nicht.
@@ -128,7 +128,7 @@ def zeichne(gesamtkosten: float, fluss: np.ndarray, preise: np.ndarray) -> None:
                        penwidth=f"{1.0 + 3.0 * menge / kapazitaet:.1f}")
 
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         punkt.format = endung
         pfad = punkt.render(os.path.join(BILDER, "kap_graphen_min_cost_flow"),
                             cleanup=True)
diff --git a/bilder_04/erzeuge_pareto_front.py b/bilder_04/erzeuge_pareto_front.py
index 156f84b..cb59146 100644
--- a/bilder_04/erzeuge_pareto_front.py
+++ b/bilder_04/erzeuge_pareto_front.py
@@ -5,7 +5,6 @@
 Erzeugt das Pareto-Front-Diagramm zum Mehrziel-Kapitel in zwei Fassungen:
 
     bilder_04/kap_mehrziel_pareto.svg          statisch, fuer das PDF
-    bilder_04/kap_mehrziel_pareto.png          statisch, Rasterfassung
     bilder_04/plotly/kap_mehrziel_pareto.html  interaktiv, fuer die Website
 
 Die Instanz ist identisch mit Mehrziel_Pareto.py, und gerechnet wird hier
@@ -140,7 +139,7 @@ def zeichne_statisch(front, huelle) -> None:
     figur.tight_layout()
 
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         pfad = os.path.join(BILDER, f"kap_mehrziel_pareto.{endung}")
         figur.savefig(pfad, format=endung, dpi=160,
                       metadata={"Date": None} if endung == "svg" else None)
diff --git a/bilder_04/erzeuge_polyeder.py b/bilder_04/erzeuge_polyeder.py
index b30192d..86a86cf 100644
--- a/bilder_04/erzeuge_polyeder.py
+++ b/bilder_04/erzeuge_polyeder.py
@@ -4,8 +4,8 @@
 """
 Erzeugt die beiden Polyeder-Diagramme zum Fundament- und zum LP-Kapitel:
 
-    bilder_04/kap_fundament_polyeder.svg / .png   der zulaessige Bereich
-    bilder_04/kap_lp_simplex_ecken.svg   / .png   der Eckenlauf des Simplex
+    bilder_04/kap_fundament_polyeder.svg   der zulaessige Bereich
+    bilder_04/kap_lp_simplex_ecken.svg   der Eckenlauf des Simplex
 
 Beide zeigen DASSELBE Modell - das Bot-Allokationsproblem, das sich durch die
 ersten Kapitel zieht:
@@ -165,7 +165,7 @@ def zeichne_rahmen(achse, ecken: np.ndarray) -> None:
 
 def schreibe(figur, name: str) -> None:
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         pfad = os.path.join(BILDER, f"{name}.{endung}")
         figur.savefig(pfad, format=endung, dpi=160,
                       metadata={"Date": None} if endung == "svg" else None)
diff --git a/bilder_04/erzeuge_runden.py b/bilder_04/erzeuge_runden.py
index 3d47b3c..684561d 100644
--- a/bilder_04/erzeuge_runden.py
+++ b/bilder_04/erzeuge_runden.py
@@ -5,7 +5,6 @@
 Erzeugt das Diagramm "Warum Runden scheitert" zum MILP-Kapitel:
 
     bilder_04/kap_milp_runden.svg   statisch, fuer das PDF
-    bilder_04/kap_milp_runden.png   Rasterfassung
 
 Zwei Bilder nebeneinander, beide aus dem Kapitel selbst:
 
@@ -213,7 +212,7 @@ def zeichne(zeilen) -> None:
     figur.tight_layout()
 
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         pfad = os.path.join(BILDER, f"kap_milp_runden.{endung}")
         figur.savefig(pfad, format=endung, dpi=160,
                       metadata={"Date": None} if endung == "svg" else None)
diff --git a/bilder_04/erzeuge_solverwahl_diagramme.py b/bilder_04/erzeuge_solverwahl_diagramme.py
index 0439740..1d3ed89 100644
--- a/bilder_04/erzeuge_solverwahl_diagramme.py
+++ b/bilder_04/erzeuge_solverwahl_diagramme.py
@@ -5,8 +5,8 @@
 Erzeugt die beiden Entscheidungs-Flussdiagramme "Welches Werkzeug passt zu
 meinem Problem?" fuer die Auftakte von Teil II und Teil III:
 
-    bilder_04/teil2_solverwahl.svg / .png   deterministische Verfahren
-    bilder_04/teil3_solverwahl.svg / .png   Nichtlinearitaet und Unsicherheit
+    bilder_04/teil2_solverwahl.svg   deterministische Verfahren
+    bilder_04/teil3_solverwahl.svg   Nichtlinearitaet und Unsicherheit
 
 Beide entstehen mit Graphviz. Die Farben folgen der Buchpalette
 (Indigo, Cyan, Violett, Gruen, Amber), die Kastenform codiert die Rolle:
@@ -57,7 +57,7 @@ def empfehlung(punkt: graphviz.Digraph, name: str, text: str, farbe: str) -> Non
 
 def schreibe(punkt: graphviz.Digraph, name: str) -> None:
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         punkt.format = endung
         pfad = punkt.render(os.path.join(BILDER, name), cleanup=True)
         print(f"geschrieben: {pfad}")
diff --git a/bilder_04/erzeuge_var_cvar.py b/bilder_04/erzeuge_var_cvar.py
index 6d9e5fa..55c7f83 100644
--- a/bilder_04/erzeuge_var_cvar.py
+++ b/bilder_04/erzeuge_var_cvar.py
@@ -5,7 +5,6 @@
 Erzeugt das VaR/CVaR-Diagramm zum Kapitel CVaR:
 
     bilder_04/kap_cvar_var_vergleich.svg   statisch, fuer das PDF
-    bilder_04/kap_cvar_var_vergleich.png   Rasterfassung
 
 Gezeigt wird die Verteilung simulierter Tagesrenditen mit beiden Kennzahlen:
 Der VaR ist die SCHWELLE, unter die nur 5 % der Tage fallen; der CVaR ist der
@@ -142,7 +141,7 @@ def zeichne(werte: np.ndarray, var: float, cvar: float) -> None:
     figur.tight_layout()
 
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         pfad = os.path.join(BILDER, f"kap_cvar_var_vergleich.{endung}")
         figur.savefig(pfad, format=endung, dpi=160,
                       metadata={"Date": None} if endung == "svg" else None)
diff --git a/bilder_04/erzeuge_vrp_touren.py b/bilder_04/erzeuge_vrp_touren.py
index 29c326c..d14ef05 100644
--- a/bilder_04/erzeuge_vrp_touren.py
+++ b/bilder_04/erzeuge_vrp_touren.py
@@ -4,7 +4,7 @@
 """
 Erzeugt die Tourenkarte zum Graphen-Kapitel:
 
-    bilder_04/kap_graphen_vrp_touren.svg / .png
+    bilder_04/kap_graphen_vrp_touren.svg
 
 Das Vorgaengerbild war ein Schema: zwei Touren, vier Kunden, Zeitfenster in
 Uhrzeiten. Die Instanz des Kapitels hat 16 Kunden, vier Fahrzeuge und
@@ -170,7 +170,7 @@ def zeichne(koordinaten, touren) -> None:
     figur.tight_layout()
 
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         pfad = os.path.join(BILDER, f"kap_graphen_vrp_touren.{endung}")
         figur.savefig(pfad, format=endung, dpi=160, bbox_inches="tight",
                       metadata={"Date": None} if endung == "svg" else None)
diff --git a/bilder_04/erzeuge_wirkung.py b/bilder_04/erzeuge_wirkung.py
index cbee3b2..9fc985c 100644
--- a/bilder_04/erzeuge_wirkung.py
+++ b/bilder_04/erzeuge_wirkung.py
@@ -5,7 +5,6 @@
 Erzeugt das Wasserfalldiagramm zum Kapitel Supply-Chain und Energieeinsatz:
 
     bilder_04/kap_supplychain_wirkung.svg   statisch, fuer das PDF
-    bilder_04/kap_supplychain_wirkung.png   Rasterfassung
 
 Die Frage, die es beantwortet, ist die des Managements: WOFUER genau kostet
 der Erwartungswert-Plan 149 % mehr? Die Tabelle im Kapitel nennt nur die
@@ -228,7 +227,7 @@ def zeichne(zwei: dict, erw: dict) -> None:
 
     figur.tight_layout()
     os.makedirs(BILDER, exist_ok=True)
-    for endung in ("svg", "png"):
+    for endung in ("svg",):
         pfad = os.path.join(BILDER, f"kap_supplychain_wirkung.{endung}")
         figur.savefig(pfad, format=endung, dpi=160,
                       metadata={"Date": None} if endung == "svg" else None)
diff --git a/bilder_04/kap01_analytik_reifegrad.png b/bilder_04/kap01_analytik_reifegrad.png
deleted file mode 100644
index 9ef9840..0000000
Binary files a/bilder_04/kap01_analytik_reifegrad.png and /dev/null differ
diff --git a/bilder_04/kap01_vier_bausteine.png b/bilder_04/kap01_vier_bausteine.png
deleted file mode 100644
index f0b51a3..0000000
Binary files a/bilder_04/kap01_vier_bausteine.png and /dev/null differ
diff --git a/bilder_04/kap02_konvexitaet.png b/bilder_04/kap02_konvexitaet.png
deleted file mode 100644
index 6bbd0cc..0000000
Binary files a/bilder_04/kap02_konvexitaet.png and /dev/null differ
diff --git a/bilder_04/kap03_solver_architektur.png b/bilder_04/kap03_solver_architektur.png
deleted file mode 100644
index 79fa438..0000000
Binary files a/bilder_04/kap03_solver_architektur.png and /dev/null differ
diff --git a/bilder_04/kap04_primal_dual.png b/bilder_04/kap04_primal_dual.png
deleted file mode 100644
index 8557112..0000000
Binary files a/bilder_04/kap04_primal_dual.png and /dev/null differ
diff --git a/bilder_04/kap06_cp_sat_propagation.png b/bilder_04/kap06_cp_sat_propagation.png
deleted file mode 100644
index 64feb08..0000000
Binary files a/bilder_04/kap06_cp_sat_propagation.png and /dev/null differ
diff --git a/bilder_04/kap06_jobshop_gantt.png b/bilder_04/kap06_jobshop_gantt.png
deleted file mode 100644
index a6b1def..0000000
Binary files a/bilder_04/kap06_jobshop_gantt.png and /dev/null differ
diff --git a/bilder_04/kap06_jobshop_gantt.svg b/bilder_04/kap06_jobshop_gantt.svg
index 7765306..1bccc9b 100644
--- a/bilder_04/kap06_jobshop_gantt.svg
+++ b/bilder_04/kap06_jobshop_gantt.svg
@@ -6,7 +6,6 @@
   
    
     
-    2026-09-07T01:51:51.979555
     image/svg+xml
     
      
@@ -43,7 +42,7 @@ L 326.435455 32.849091
 L 326.435455 64.809875 
 L 174.248182 64.809875 
 z
-" clip-path="url(#p448fd06892)" style="fill: #4338ca; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/>
+" clip-path="url(#pce73ba693e)" style="fill: #4338ca; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/>
    
    
     
+" clip-path="url(#pce73ba693e)" style="fill: #4338ca; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/>
    
    
     
+" clip-path="url(#pce73ba693e)" style="fill: #4338ca; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/>
    
    
     
+" clip-path="url(#pce73ba693e)" style="fill: #0891b2; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/>
    
    
     
+" clip-path="url(#pce73ba693e)" style="fill: #0891b2; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/>
    
    
     
+" clip-path="url(#pce73ba693e)" style="fill: #0891b2; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/>
    
    
     
+" clip-path="url(#pce73ba693e)" style="fill: #b45309; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/>
    
    
     
+" clip-path="url(#pce73ba693e)" style="fill: #b45309; stroke: #ffffff; stroke-width: 1.2; stroke-linejoin: miter"/>
    
    
     
      
       
+" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/>
      
      
       
-       
       
       
-       
+       
       
      
      
@@ -152,11 +151,11 @@ z
      
       
+" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/>
      
      
       
-       
+       
       
      
      
@@ -186,11 +185,11 @@ z
      
       
+" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/>
      
      
       
-       
+       
       
      
      
@@ -230,11 +229,11 @@ z
      
       
+" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/>
      
      
       
-       
+       
       
      
      
@@ -282,11 +281,11 @@ z
      
       
+" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/>
      
      
       
-       
+       
       
      
      
@@ -321,11 +320,11 @@ z
      
       
+" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/>
      
      
       
-       
+       
       
      
      
@@ -366,11 +365,11 @@ z
      
       
+" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/>
      
      
       
-       
+       
       
      
      
@@ -416,11 +415,11 @@ z
      
       
+" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/>
      
      
       
-       
+       
       
      
      
@@ -446,11 +445,11 @@ z
      
       
+" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/>
      
      
       
-       
+       
       
      
      
@@ -505,11 +504,11 @@ z
      
       
+" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/>
      
      
       
-       
+       
       
      
      
@@ -555,11 +554,11 @@ z
      
       
+" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/>
      
      
       
-       
+       
       
      
      
@@ -574,11 +573,11 @@ L 580.080909 25.44
      
       
+" clip-path="url(#pce73ba693e)" style="fill: none; stroke-dasharray: 0.8,1.32; stroke-dashoffset: 0; stroke: #b0b0b0; stroke-opacity: 0.5; stroke-width: 0.8"/>
      
      
       
-       
+       
       
      
      
@@ -724,12 +723,12 @@ z
     
      
       
-       
       
       
-       
+       
       
      
      
@@ -843,7 +842,7 @@ z
     
      
       
-       
+       
       
      
      
@@ -884,7 +883,7 @@ z
     
      
       
-       
+       
       
      
      
@@ -1320,7 +1319,7 @@ z
   
  
  
-  
+  
    
   
  
diff --git a/bilder_04/kap09_unsicherheit_ansaetze.png b/bilder_04/kap09_unsicherheit_ansaetze.png
deleted file mode 100644
index 6a40ea0..0000000
Binary files a/bilder_04/kap09_unsicherheit_ansaetze.png and /dev/null differ
diff --git a/bilder_04/kap10_zustandskette.png b/bilder_04/kap10_zustandskette.png
deleted file mode 100644
index cef457c..0000000
Binary files a/bilder_04/kap10_zustandskette.png and /dev/null differ
diff --git a/bilder_04/kap11_ledoit_wolf_shrinkage.png b/bilder_04/kap11_ledoit_wolf_shrinkage.png
deleted file mode 100644
index e5b82f7..0000000
Binary files a/bilder_04/kap11_ledoit_wolf_shrinkage.png and /dev/null differ
diff --git a/bilder_04/kap12_efficient_frontier.png b/bilder_04/kap12_efficient_frontier.png
deleted file mode 100644
index d8e04c5..0000000
Binary files a/bilder_04/kap12_efficient_frontier.png and /dev/null differ
diff --git a/bilder_04/kap13_cvar_zielfunktion.png b/bilder_04/kap13_cvar_zielfunktion.png
deleted file mode 100644
index 5324d42..0000000
Binary files a/bilder_04/kap13_cvar_zielfunktion.png and /dev/null differ
diff --git a/bilder_04/kap14_engine_overview.png b/bilder_04/kap14_engine_overview.png
deleted file mode 100644
index c9886a4..0000000
Binary files a/bilder_04/kap14_engine_overview.png and /dev/null differ
diff --git a/bilder_04/kap15_or_plattform.png b/bilder_04/kap15_or_plattform.png
deleted file mode 100644
index 20f63a4..0000000
Binary files a/bilder_04/kap15_or_plattform.png and /dev/null differ
diff --git a/bilder_04/kap15_praxisfallen.png b/bilder_04/kap15_praxisfallen.png
deleted file mode 100644
index 4a904ab..0000000
Binary files a/bilder_04/kap15_praxisfallen.png and /dev/null differ
diff --git a/bilder_04/kap_cvar_var_vergleich.png b/bilder_04/kap_cvar_var_vergleich.png
deleted file mode 100644
index 0bbf9a0..0000000
Binary files a/bilder_04/kap_cvar_var_vergleich.png and /dev/null differ
diff --git a/bilder_04/kap_fundament_kondition.png b/bilder_04/kap_fundament_kondition.png
deleted file mode 100644
index a82df02..0000000
Binary files a/bilder_04/kap_fundament_kondition.png and /dev/null differ
diff --git a/bilder_04/kap_fundament_polyeder.png b/bilder_04/kap_fundament_polyeder.png
deleted file mode 100644
index d4bb3dc..0000000
Binary files a/bilder_04/kap_fundament_polyeder.png and /dev/null differ
diff --git a/bilder_04/kap_graphen_min_cost_flow.png b/bilder_04/kap_graphen_min_cost_flow.png
deleted file mode 100644
index 1800e77..0000000
Binary files a/bilder_04/kap_graphen_min_cost_flow.png and /dev/null differ
diff --git a/bilder_04/kap_graphen_vrp_touren.png b/bilder_04/kap_graphen_vrp_touren.png
deleted file mode 100644
index 9572a19..0000000
Binary files a/bilder_04/kap_graphen_vrp_touren.png and /dev/null differ
diff --git a/bilder_04/kap_lp_simplex_ecken.png b/bilder_04/kap_lp_simplex_ecken.png
deleted file mode 100644
index 6c93a53..0000000
Binary files a/bilder_04/kap_lp_simplex_ecken.png and /dev/null differ
diff --git a/bilder_04/kap_markowitz_restriktionen.png b/bilder_04/kap_markowitz_restriktionen.png
deleted file mode 100644
index 96d7e9a..0000000
Binary files a/bilder_04/kap_markowitz_restriktionen.png and /dev/null differ
diff --git a/bilder_04/kap_mehrziel_pareto.png b/bilder_04/kap_mehrziel_pareto.png
deleted file mode 100644
index 324afd5..0000000
Binary files a/bilder_04/kap_mehrziel_pareto.png and /dev/null differ
diff --git a/bilder_04/kap_metaheuristiken_landschaft.png b/bilder_04/kap_metaheuristiken_landschaft.png
deleted file mode 100644
index df8e89a..0000000
Binary files a/bilder_04/kap_metaheuristiken_landschaft.png and /dev/null differ
diff --git a/bilder_04/kap_milp_runden.png b/bilder_04/kap_milp_runden.png
deleted file mode 100644
index 5d466f3..0000000
Binary files a/bilder_04/kap_milp_runden.png and /dev/null differ
diff --git a/bilder_04/kap_milp_suchbaum.png b/bilder_04/kap_milp_suchbaum.png
deleted file mode 100644
index bec5d10..0000000
Binary files a/bilder_04/kap_milp_suchbaum.png and /dev/null differ
diff --git a/bilder_04/kap_praxisfallen_schichten.png b/bilder_04/kap_praxisfallen_schichten.png
deleted file mode 100644
index df8206f..0000000
Binary files a/bilder_04/kap_praxisfallen_schichten.png and /dev/null differ
diff --git a/bilder_04/kap_qp_kkt.png b/bilder_04/kap_qp_kkt.png
deleted file mode 100644
index 2e4d95b..0000000
Binary files a/bilder_04/kap_qp_kkt.png and /dev/null differ
diff --git a/bilder_04/kap_supplychain_wirkung.png b/bilder_04/kap_supplychain_wirkung.png
deleted file mode 100644
index 91c255f..0000000
Binary files a/bilder_04/kap_supplychain_wirkung.png and /dev/null differ
diff --git a/bilder_04/kap_testing_dienst.png b/bilder_04/kap_testing_dienst.png
deleted file mode 100644
index e4061ac..0000000
Binary files a/bilder_04/kap_testing_dienst.png and /dev/null differ
diff --git a/bilder_04/teil2_solverwahl.png b/bilder_04/teil2_solverwahl.png
deleted file mode 100644
index 3c4dc43..0000000
Binary files a/bilder_04/teil2_solverwahl.png and /dev/null differ
diff --git a/bilder_04/teil3_solverwahl.png b/bilder_04/teil3_solverwahl.png
deleted file mode 100644
index 72692b5..0000000
Binary files a/bilder_04/teil3_solverwahl.png and /dev/null differ
diff --git a/bilder_04/titelseite.png b/bilder_04/titelseite.png
deleted file mode 100644
index 31e7f2a..0000000
Binary files a/bilder_04/titelseite.png and /dev/null differ