From beff14094c468740c2ec3266b560f6053c7f4c51 Mon Sep 17 00:00:00 2001
From: dschlueter <dieter.schlueter@linix.de>
Date: Tue, 8 Sep 2026 21:28:53 +0200
Subject: [PATCH] Build-Kommando fuer das Glossar: erzeuge_glossar_04.py

Der Erzeuger lag als Wegwerfskript ausserhalb des Repositorys - genau die
Falle, die in diesem Projekt schon zweimal zugeschnappt ist (web_04/,
titeltexte_04.py): eine Quelle, die nicht dort liegt, wo gearbeitet wird.

    python3 Operations_Research_mit_Python_Version_04/erzeuge_glossar_04.py
    python3 .../erzeuge_glossar_04.py --check     # nur pruefen

Die 234 Eintraege stehen in glossar_eintraege_04.py als Viertupel
(Anzeigename, Indexmarke, Definition, Verweisziel). Das Verweisziel ist
eingefroren, nicht berechnet: Die erste Fundstelle eines Begriffs ist oft
nicht die erklaerende - "Schattenpreis" faellt erstmals im LP-Schnellstart,
erklaert wird er im Abschnitt ueber Dualitaet. Ein Automatismus haette diese
Entscheidung jedes Mal neu und jedes Mal gleich falsch getroffen.

Drei Pruefungen, alle gegen das Buch statt gegen eine Annahme:

* Jede Indexmarke muss im Buchtext buchstabengetreu vorkommen - sonst
  entstuende ein zweiter Registereintrag fuer dasselbe Konzept.
* Jedes {ref:}-Ziel muss existieren.
* Kein Verweis darf auf das Glossar selbst zeigen.

Dazu die Handaenderungs-Erkennung nach dem Muster von
spiegle_statische_assets(): Ist 94_Anhang_Glossar.md neuer als ihre Quelle und
weicht ab, bricht der Lauf ab und nennt die Quelle, statt die Arbeit still zu
ueberschreiben. build_version_04.py --check ruft den Erzeuger mit auf, damit
eine veraltete Fassung nicht erst auffaellt, wenn ihn jemand zufaellig startet.

Ein Zwischenfall beim Einbau hat die Pruefung verbessert: Die erste Fassung
meldete 24 angebliche Tippfehler. Es waren keine - es sind die Begriffe, die
im ganzen Buch NUR im Glossar indexiert sind (Rebalancing, Volatilitaet,
Solver-Status ...). Automatisch ist das von einem Tippfehler nicht zu
unterscheiden, also stehen sie jetzt ausdruecklich in NUR_IM_GLOSSAR.

Der Beleg, dass der Erzeuger die Handarbeit exakt trifft: Er schreibt die
vorhandene Datei byte-identisch neu. Beide Waechter gegengeprueft - mit einer
Handaenderung an der .md und mit einem Tippfehler in einer Indexmarke.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
---
 CLAUDE.md                                     |   10 +
 .../build_version_04.py                       |   18 +
 .../erzeuge_glossar_04.py                     |  246 +++
 .../glossar_eintraege_04.py                   | 1420 +++++++++++++++++
 PROGRESS.md                                   |   31 +
 README.md                                     |    3 +
 6 files changed, 1728 insertions(+)
 create mode 100755 Operations_Research_mit_Python_Version_04/erzeuge_glossar_04.py
 create mode 100644 Operations_Research_mit_Python_Version_04/glossar_eintraege_04.py

diff --git a/CLAUDE.md b/CLAUDE.md
index 465d639..7e29bbf 100644
--- a/CLAUDE.md
+++ b/CLAUDE.md
@@ -63,6 +63,7 @@ cd Version_04
 python3 Operations_Research_mit_Python_Version_04/build_version_04.py --check    # nur prüfen
 python3 Operations_Research_mit_Python_Version_04/build_version_04.py --pdf --html
 python3 Operations_Research_mit_Python_Version_04/extract_programme_04.py
+python3 Operations_Research_mit_Python_Version_04/erzeuge_glossar_04.py     # Anhang E
 python3 Operations_Research_mit_Python_Version_04/veroeffentliche_04.py           # hochladen
 ```
 
@@ -109,6 +110,15 @@ bewacht jede Familie. Konkret:
   einer bereits nummerierten Überschrift. Verwiesen wird auf
   `{ref:sec:<kapitel>-denkfehler}`.
 * Im Fließtext `{ref:<label>}`, nie eine Literalzahl.
+* **Das Glossar (Anhang E) wird erzeugt.** Die 234 Einträge stehen in
+  `glossar_eintraege_04.py` als Viertupel *(Anzeigename, Indexmarke, Definition,
+  Verweisziel)*; `erzeuge_glossar_04.py` schreibt daraus `94_Anhang_Glossar.md`. Die `.md`
+  **nicht** von Hand bearbeiten — `--check` bemerkt es und nennt die Quelle. Der Erzeuger
+  prüft außerdem gegen das Buch: Jede Indexmarke muss dort buchstabengetreu vorkommen (sonst
+  entstünde ein zweiter Registereintrag für dasselbe Konzept), jedes `{ref:}`-Ziel muss
+  existieren, und kein Verweis darf auf das Glossar selbst zeigen. Begriffe, die es nur im
+  Glossar gibt, stehen ausdrücklich in `NUR_IM_GLOSSAR` — sonst ließe sich ein solcher Fall
+  nicht von einem Tippfehler unterscheiden.
 * **Der Titeltext steht in `Kritik_und_Verbesserungsvorschlaege/NEUER_TITEL.md`** und
   nirgends sonst. `titeltexte_04.py` liest ihn; die PDF-Titelseite
   (`bilder_04/erzeuge_titelseite.py`) und der Hero-Block der Startseite
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 4c74732..3c00e1e 100644
--- a/Operations_Research_mit_Python_Version_04/build_version_04.py
+++ b/Operations_Research_mit_Python_Version_04/build_version_04.py
@@ -409,9 +409,27 @@ def pruefe_dateien() -> list[str]:
 
     fehlend.extend(pruefe_assets())
     fehlend.extend(pruefe_titeltexte())
+    fehlend.extend(pruefe_glossar())
     return fehlend
 
 
+def pruefe_glossar() -> list[str]:
+    """Ruft erzeuge_glossar_04.py --check auf.
+
+    Das Glossar wird aus glossar_eintraege_04.py erzeugt. Ohne diese Kopplung
+    an --check faellt eine veraltete oder von Hand bearbeitete Datei erst auf,
+    wenn jemand den Erzeuger zufaellig laufen laesst."""
+    skript = os.path.join(HIER, "erzeuge_glossar_04.py")
+    if not os.path.exists(skript):
+        return []
+    ergebnis = subprocess.run([sys.executable, skript, "--check"],
+                              capture_output=True, text=True)
+    if ergebnis.returncode == 0:
+        return []
+    print(ergebnis.stdout.rstrip() or ergebnis.stderr.rstrip())
+    return ["94_Anhang_Glossar.md"]
+
+
 # Die Datei, die den Titeltext ein viertes Mal traegt: als Buchtext, den ein
 # Leser im Vorwort sieht. Erzeugt wird er dort NICHT - er steht mit
 # Hervorhebungen im Fliesstext und gehoert dem Autor. Aber er wird geprueft.
diff --git a/Operations_Research_mit_Python_Version_04/erzeuge_glossar_04.py b/Operations_Research_mit_Python_Version_04/erzeuge_glossar_04.py
new file mode 100755
index 0000000..43b5f8e
--- /dev/null
+++ b/Operations_Research_mit_Python_Version_04/erzeuge_glossar_04.py
@@ -0,0 +1,246 @@
+#!/usr/bin/env python3
+
+# erzeuge_glossar_04.py
+"""
+Schreibt 94_Anhang_Glossar.md aus glossar_eintraege_04.py.
+
+Warum erzeugt und nicht von Hand gepflegt: Vier Dinge sollen mechanisch
+stimmen, nicht nach Aufmerksamkeit.
+
+  1. Die Sortierung nach deutschem Alphabet - Umlaute wie der Grundbuchstabe,
+     'ss' fuer das scharfe s.
+  2. Die Gruppierung unter '## <Buchstabe>'-Ueberschriften. Sie werden NICHT
+     nummeriert, weil ABSCHNITT_RE im Bauskript ein '{#sec:}'-Label verlangt,
+     das hier fehlt.
+  3. Genau eine Indexmarke je Eintrag, buchstabengetreu zur Schreibweise im
+     Buch. Weicht sie ab, entstehen zwei Registereintraege fuer dasselbe
+     Konzept - der haeufigste stille Fehler bei einem Glossar dieser Groesse.
+  4. Ein aufgeloester Verweis je Eintrag, keiner davon auf das Glossar selbst.
+
+Geprueft wird ausserdem gegen das Buch: Jede Indexmarke muss dort vorkommen,
+jedes {ref:}-Ziel muss existieren. Beides bricht den Lauf ab, statt eine
+kaputte Datei zu schreiben.
+
+Aufruf (aus dem Wurzelverzeichnis Version_04):
+    python3 Operations_Research_mit_Python_Version_04/erzeuge_glossar_04.py
+    python3 .../erzeuge_glossar_04.py --check   # nur pruefen, nichts schreiben
+
+'--check' meldet auch, wenn 94_Anhang_Glossar.md von Hand geaendert wurde:
+Diese Aenderung ginge beim naechsten Lauf verloren und gehoert in
+glossar_eintraege_04.py.
+"""
+
+import argparse
+import os
+import re
+import sys
+import textwrap
+
+HIER = os.path.dirname(os.path.abspath(__file__))
+BASIS = os.path.dirname(HIER)
+sys.path.insert(0, HIER)
+
+from glossar_eintraege_04 import EINTRAEGE          # noqa: E402
+
+ZIEL = os.path.join(HIER, "94_Anhang_Glossar.md")
+
+KOPFZEILE = "# Anhang: Glossar {#anhang:glossar}"
+EINLEITUNG = (
+    "Nachschlagewerk zu allen Fachbegriffen, Abkürzungen, Algorithmen und Bibliotheken "
+    "dieses Buchs. Jeder Eintrag nennt am Ende den Abschnitt, in dem der Begriff eingeführt "
+    "wird — ein Klick dorthin führt in der Online-Fassung direkt zur Erklärung im "
+    "Zusammenhang. Wer einen Begriff an *allen* Fundstellen sucht, benutzt das "
+    "Stichwortverzeichnis.")
+SCHLUSS = ("*Weiter mit:* [{ref:anhang:literatur} — Literaturverzeichnis]"
+           "(95_Anhang_Literatur.md)")
+
+# Deutsche Sortierung: Umlaute zaehlen wie ihr Grundbuchstabe.
+UMLAUTE = str.maketrans({"ä": "a", "ö": "o", "ü": "u", "Ä": "A", "Ö": "O",
+                         "Ü": "U", "ß": "ss", "é": "e", "è": "e"})
+
+BREITE = 96          # Zeilenbreite wie in den uebrigen Kapiteldateien
+
+# Begriffe, die im Buchtext NICHT mit {idx:} markiert sind und deren einzige
+# Registerfundstelle deshalb das Glossar ist. Das ist zulaessig - der Leser
+# findet den Begriff dann eben hier. Die Liste ist trotzdem ausdruecklich
+# aufgefuehrt, weil sich ein solcher Fall sonst nicht von einem Tippfehler
+# unterscheiden liesse: Beides sieht wie "Marke kommt im Buch nicht vor" aus.
+# Wer einen Begriff neu aufnimmt, dessen Marke hier fehlt, bekommt einen
+# Abbruch und muss sich entscheiden - Schreibweise korrigieren oder Begriff
+# hier eintragen.
+NUR_IM_GLOSSAR = frozenset({
+    "Alternativoptima",
+    "Binärvariable",
+    "CP-SAT",
+    "Calmar Ratio",
+    "Dualitätstheorie",
+    "Explainable OR",
+    "Kanonische Standardform",
+    "Kohärentes Risikomaß",
+    "Lagrange-Multiplikator",
+    "Lineare Programmierung (LP)",
+    "Maximum Drawdown",
+    "Nichtlineare Programmierung (NLP)",
+    "Pivotisierung",
+    "Positiv (semi-)definit",
+    "Rebalancing",
+    "Regime-Shift",
+    "Relaxation",
+    "Schätzfehler",
+    "Solver-Status",
+    "Transaktionskosten",
+    "Unsicherheitsmenge",
+    "Vehicle Routing Problem (VRP)",
+    "Volatilität",
+    "Wurzel-Zeit-Regel",
+})
+
+
+def sortierschluessel(name: str) -> tuple:
+    rein = re.sub(r"[^A-Za-z0-9 ]", "", name.translate(UMLAUTE))
+    return (rein.upper(), name)
+
+
+def anfangsbuchstabe(name: str) -> str:
+    return name.translate(UMLAUTE)[0].upper()
+
+
+def lies_buch() -> tuple[set[str], set[str]]:
+    """Sammelt aus den Kapiteldateien alle Indexbegriffe und alle Labels.
+
+    Importiert wird dafuer build_version_04.py - dessen DATEIEN-Liste ist die
+    einzige Stelle, an der die Reihenfolge und Vollstaendigkeit des Buchs
+    steht."""
+    import build_version_04 as b
+
+    begriffe: set[str] = set()
+    labels: set[str] = set()
+    for name in b.DATEIEN:
+        pfad = os.path.join(HIER, name)
+        if not os.path.exists(pfad):
+            continue
+        with open(pfad, encoding="utf-8") as f:
+            text = f.read()
+        if name == os.path.basename(ZIEL):
+            # Das Glossar selbst zaehlt nicht als Fundstelle - sonst gaelte
+            # jeder Begriff als belegt, nur weil er hier steht.
+            labels |= set(re.findall(r"\{#([\w:-]+)\}", text))
+            continue
+        begriffe |= {m.split("!")[0].strip()
+                     for m in re.findall(r"\{idx:([^}]+)\}", text)}
+        labels |= set(re.findall(r"\{#([\w:-]+)\}", text))
+    return begriffe, labels
+
+
+def pruefe(begriffe: set[str], labels: set[str]) -> list[str]:
+    fehler: list[str] = []
+    gesehen: set[str] = set()
+
+    for name, idx, text, ziel in EINTRAEGE:
+        if name in gesehen:
+            fehler.append(f"Doppelter Eintrag: {name!r}")
+        gesehen.add(name)
+
+        if idx:
+            kern = idx.split("!")[0].strip()
+            if kern not in begriffe and kern not in NUR_IM_GLOSSAR:
+                fehler.append(
+                    f"{name!r}: Die Indexmarke {idx!r} kommt im Buchtext nicht vor "
+                    f"und steht nicht in NUR_IM_GLOSSAR.\n"
+                    f"        Entweder ist die Schreibweise falsch - dann entstuende "
+                    f"ein zweiter Registereintrag fuer dasselbe Konzept -,\n"
+                    f"        oder der Begriff wird bewusst nur hier gefuehrt; dann "
+                    f"gehoert er in NUR_IM_GLOSSAR.")
+
+        m = re.fullmatch(r"\{ref:([\w:-]+)\}", ziel)
+        if m:
+            if m.group(1) == "anhang:glossar":
+                fehler.append(f"{name!r}: Der Verweis zeigt auf das Glossar selbst.")
+            elif m.group(1) not in labels:
+                fehler.append(f"{name!r}: Unbekanntes Verweisziel {m.group(1)!r}.")
+        elif not re.fullmatch(r"\[[^\]]+\]\([\w.]+\.md\)", ziel):
+            fehler.append(f"{name!r}: Verweisziel ist weder eine {{ref:}}-Marke "
+                          f"noch ein Dateilink: {ziel!r}")
+
+        saetze = len(re.findall(r"[.!?](?:\s|$)", text))
+        if saetze < 2:
+            fehler.append(f"{name!r}: Definition hat nur {saetze} Satz - "
+                          f"zwei bis vier sind vorgesehen.")
+    return fehler
+
+
+def baue() -> str:
+    def absatz(text: str) -> str:
+        return "\n".join(textwrap.wrap(text, width=BREITE,
+                                       break_long_words=False,
+                                       break_on_hyphens=False))
+
+    zeilen = [KOPFZEILE, "", absatz(EINLEITUNG), ""]
+    letzter = None
+    for name, idx, text, ziel in sorted(EINTRAEGE,
+                                        key=lambda e: sortierschluessel(e[0])):
+        buchstabe = anfangsbuchstabe(name)
+        if buchstabe != letzter:
+            zeilen += [f"## {buchstabe}", ""]
+            letzter = buchstabe
+        marke = "{idx:" + idx + "}" if idx else ""
+        zeilen += [absatz(f"**{name}**{marke} — {text} → {ziel}"), ""]
+    zeilen += ["---", "", SCHLUSS, ""]
+    return "\n".join(zeilen)
+
+
+def main() -> int:
+    zerleger = argparse.ArgumentParser(
+        description="Erzeugt 94_Anhang_Glossar.md aus glossar_eintraege_04.py.")
+    zerleger.add_argument("--check", action="store_true",
+                          help="nur pruefen, keine Datei schreiben")
+    argumente = zerleger.parse_args()
+
+    begriffe, labels = lies_buch()
+    fehler = pruefe(begriffe, labels)
+    if fehler:
+        for f in fehler:
+            print(f"FEHLER: {f}")
+        return 1
+
+    neu = baue()
+    vorhanden = ""
+    if os.path.exists(ZIEL):
+        with open(ZIEL, encoding="utf-8") as f:
+            vorhanden = f.read()
+
+    if vorhanden == neu:
+        print(f"Glossar unveraendert: {len(EINTRAEGE)} Eintraege.")
+        return 0
+
+    if argumente.check:
+        # Die Datei weicht ab. Ist sie juenger als ihre Quelle, hat jemand sie
+        # von Hand bearbeitet - dieselbe Falle wie bei den Website-Assets, und
+        # deshalb dieselbe Behandlung: benennen statt stillschweigend
+        # ueberschreiben.
+        quelle = os.path.join(HIER, "glossar_eintraege_04.py")
+        if vorhanden and os.path.getmtime(ZIEL) > os.path.getmtime(quelle):
+            print(f"FEHLER: {os.path.basename(ZIEL)} ist neuer als "
+                  f"{os.path.basename(quelle)} und weicht davon ab - "
+                  f"offenbar von Hand bearbeitet.\n"
+                  f"        Die Aenderung gehoert in die Quelle, sonst geht sie "
+                  f"beim naechsten Lauf verloren.")
+        else:
+            print(f"FEHLER: {os.path.basename(ZIEL)} ist veraltet - ein Lauf "
+                  f"ohne --check zieht sie nach.")
+        return 1
+
+    with open(ZIEL, "w", encoding="utf-8") as f:
+        f.write(neu)
+
+    buchstaben = sorted({anfangsbuchstabe(n) for n, _, _, _ in EINTRAEGE})
+    mit_marke = sum(1 for _, i, _, _ in EINTRAEGE if i)
+    print(f"Geschrieben: {os.path.relpath(ZIEL, BASIS)}")
+    print(f"  {len(EINTRAEGE)} Eintraege, {len(buchstaben)} Buchstabengruppen "
+          f"({' '.join(buchstaben)})")
+    print(f"  {mit_marke} Indexmarken, alle im Buchtext belegt")
+    return 0
+
+
+if __name__ == "__main__":
+    sys.exit(main())
diff --git a/Operations_Research_mit_Python_Version_04/glossar_eintraege_04.py b/Operations_Research_mit_Python_Version_04/glossar_eintraege_04.py
new file mode 100644
index 0000000..576ba4d
--- /dev/null
+++ b/Operations_Research_mit_Python_Version_04/glossar_eintraege_04.py
@@ -0,0 +1,1420 @@
+#!/usr/bin/env python3
+
+# glossar_eintraege_04.py
+"""
+Die Eintraege des Glossars (Anhang E) - die QUELLE, aus der
+erzeuge_glossar_04.py die Datei 94_Anhang_Glossar.md schreibt.
+
+Ein Eintrag ist ein Viertupel:
+
+    (Anzeigename, Indexmarke, Definition, Verweisziel)
+
+* Anzeigename   Wie der Begriff im Glossar erscheint. Danach wird sortiert -
+                nach deutschem Alphabet, Umlaute wie der Grundbuchstabe.
+* Indexmarke    Der Text fuer {idx:...}. Er MUSS buchstabengetreu der
+                Schreibweise im Buch entsprechen, sonst entsteht ein zweiter
+                Registereintrag fuer dasselbe Konzept. Leerstring = der
+                Begriff kommt im Buchtext nicht als Indexmarke vor.
+* Definition    Zwei bis vier Saetze, ohne den abschliessenden Verweis.
+* Verweisziel   Entweder eine {ref:...}-Marke oder ein Dateilink. Es zeigt
+                dorthin, wo der Begriff ERKLAERT wird - nicht unbedingt
+                dorthin, wo er zuerst vorkommt. Beides faellt oft auseinander:
+                "Schattenpreis" faellt erstmals im LP-Schnellstart, erklaert
+                wird er im Abschnitt ueber Dualitaet.
+
+Neuen Begriff aufnehmen: Tupel hier ergaenzen, dann
+
+    python3 Operations_Research_mit_Python_Version_04/erzeuge_glossar_04.py
+
+Die Datei 94_Anhang_Glossar.md NICHT von Hand bearbeiten - der Erzeuger
+ueberschreibt sie und bricht ab, wenn er eine Handaenderung bemerkt.
+"""
+
+EINTRAEGE = [
+
+("Absolutbetrag", "Absolutbetrag (Modellierungsmuster)",
+  "Modellierungsmuster für $|x-z|$: Der Betrag selbst ist nicht linear, lässt sich aber "
+  "durch eine Hilfsvariable $d$ mit den beiden Bedingungen $x-z \\le d$ und $z-x \\le d$ "
+  "ersetzen. Das funktioniert nur, wenn $d$ minimiert wird — sonst bleibt die Schranke "
+  "unausgeschöpft.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Adjusted Close", "Adjusted Close",
+  "Um Dividenden und Splits bereinigter Schlusskurs. Nur mit ihm sind Renditen über "
+  "längere Zeiträume vergleichbar; der unbereinigte Schlusskurs erzeugt an jedem "
+  "Ausschüttungstag einen Scheinverlust.",
+ "{ref:sec:finanzdaten-diskrete-und-logarithmische-renditen}"),
+
+("Aktivierungsschalter", "Aktivierungsschalter (Modellierungsmuster)",
+  "Modellierungsmuster, das eine kontinuierliche Größe an eine Binärvariable koppelt: "
+  "$x \\le M\\,y$ erlaubt $x > 0$ nur, wenn $y = 1$ ist. Grundbaustein für Fixkosten, "
+  "Standortentscheidungen und Mindestmengen.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Almgren-Chriss-Modell", "Almgren-Chriss-Modell",
+  "Standardmodell der optimalen Orderausführung. Es löst den Zielkonflikt zwischen "
+  "Marktauswirkung bei schnellem Handeln und Volatilitätsrisiko bei langsamem Handeln "
+  "und liefert einen Ausführungsplan über mehrere Perioden.",
+ "{ref:sec:dynamische-programmierung-das-almgren-chriss-problem-optimale-orderausfuehrung}"),
+
+("Alternativoptima", "Alternativoptima",
+  "Mehrere Lösungen mit identischem Zielfunktionswert. Sie treten auf, wenn die "
+  "Zielfunktion parallel zu einer Kante des Polyeders verläuft oder die Matrix des "
+  "quadratischen Terms nur semidefinit ist. Der Solver meldet dann eine beliebige davon "
+  "— zwei Läufe können unterschiedlich aussehen und trotzdem beide optimal sein.",
+ "{ref:sec:qp-nlp-das-quadratische-programm-qp}"),
+
+("Approximate Dynamic Programming", "Approximate Dynamic Programming",
+  "Sammelbegriff für Verfahren, die die Wertfunktion der dynamischen Programmierung "
+  "nicht exakt tabellieren, sondern annähern — etwa durch Regression oder ein "
+  "neuronales Netz. Antwort auf den Fluch der Dimensionalität, wenn der Zustandsraum zu "
+  "groß zum Durchzählen wird.",
+ "{ref:sec:praxisfallen-weiterfuehrende-literatur-und-roadmap}"),
+
+("Bedingte Kopplung", "Bedingte Kopplung (Konjunktion)",
+  "Modellierungsmuster für „wenn A **und** B, dann C“. Umgesetzt über $y_C \\ge y_A + "
+  "y_B - 1$: Nur wenn beide Voraussetzungen gesetzt sind, wird die Folge erzwungen.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Bellman-Gleichung", "Bellman-Gleichung",
+  "Rekursionsgleichung der dynamischen Programmierung: Der Wert eines Zustands ist die "
+  "Summe aus den unmittelbaren Kosten der besten Aktion und dem Wert des Folgezustands. "
+  "Sie zerlegt eine mehrstufige Entscheidung in eine Kette einstufiger.",
+ "{ref:sec:dynamische-programmierung-das-bellmansche-optimalitaetsprinzip}"),
+
+("Benders-Zerlegung", "Benders-Zerlegung",
+  "Dekompositionsverfahren für Probleme mit wenigen „schweren“ und vielen „leichten“ "
+  "Variablen. Ein Masterproblem entscheidet über die schweren, ein Subproblem über den "
+  "Rest und schickt Schnitte (Benders-Cuts) zurück, bis beide übereinstimmen.",
+ "{ref:sec:praxisfallen-weiterfuehrende-literatur-und-roadmap}"),
+
+("Big-M-Methode", "Big-M-Methode",
+  "Modellierungstrick, der logische Bedingungen über eine hinreichend große Konstante "
+  "$M$ an eine Binärvariable koppelt. $M$ sollte **so klein wie möglich** gewählt "
+  "werden: Große Werte weichen die Relaxation auf, verschlechtern die Laufzeit und "
+  "können zu Trickle Flow führen.",
+ "{ref:sec:milp-modellierungstricks-big-m-und-logische-bedingungen}"),
+
+("Binärvariable", "Binärvariable",
+  "Entscheidungsvariable mit Wertebereich $\\{0,1\\}$. Sie schaltet Fixkosten, "
+  "Kapazitäten oder logische Alternativen an und aus und macht aus einem linearen "
+  "Programm ein gemischt-ganzzahliges.",
+ "{ref:sec:einfuehrung-die-vier-universellen-bausteine-jedes-or}"),
+
+("Bipartites Matching", "Bipartites Matching",
+  "Zuordnung zwischen zwei disjunkten Mengen — etwa Personen und Aufgaben — mit "
+  "maximalem Nutzen oder minimalen Kosten. Klassisch gelöst durch den Ungarischen "
+  "Algorithmus; die Modellmatrix ist total unimodular, weshalb schon das LP ganzzahlige "
+  "Ecken hat.",
+ "{ref:sec:graphen-bipartites-matching-das-zuordnungsproblem}"),
+
+("Black-Box-Effekt", "Black-Box-Effekt",
+  "Ablehnung eines Optimierungssystems, weil seine Entscheidungen nicht nachvollziehbar "
+  "sind. Gegenmittel sind ein Constraint-Trace für Einzelentscheidungen und eine "
+  "Kostenzerlegung für Bewertungen. Akzeptanz ist keine Nebensache, sondern "
+  "Betriebsvoraussetzung.",
+ "{ref:sec:praxisfallen-die-fuenf-typischen-praxisfallen}"),
+
+("Branch-and-Bound", "Branch-and-Bound",
+  "Exaktes Verfahren für ganzzahlige Probleme: Der Suchraum wird rekursiv zerlegt "
+  "(Branching), und ein Zweig wird verworfen, sobald seine Relaxation schlechter ist "
+  "als die beste bekannte Lösung (Bounding). Ohne das Abschneiden wäre es bloßes "
+  "Durchprobieren.",
+ "{ref:sec:milp-branch-and-bound}"),
+
+("Branch-and-Cut", "Branch-and-Cut",
+  "Kombination aus Branch-and-Bound und Schnittebenenverfahren: In den Knoten des "
+  "Suchbaums werden zusätzlich gültige Ungleichungen erzeugt, die gebrochene Lösungen "
+  "abschneiden. Der Standardalgorithmus heutiger MILP-Solver.",
+ "{ref:sec:oekosystem-die-zwei-schichten-architektur}"),
+
+("Brute Force", "Brute Force",
+  "Vollständiges Durchprobieren aller Möglichkeiten. Für kleine Instanzen ein "
+  "nützlicher Kontrollwert, in der Praxis meist chancenlos: Schon 20 binäre "
+  "Entscheidungen ergeben über eine Million Kombinationen.",
+ "{ref:sec:einfuehrung-was-ist-operations-research-wirklich}"),
+
+("Budgeted Uncertainty", "Budgeted Uncertainty",
+  "Robustheitsansatz nach Bertsimas und Sim: Höchstens $\\Gamma$ von $n$ Parametern "
+  "nehmen gleichzeitig ihren ungünstigsten Wert an. Der Parameter $\\Gamma$ regelt "
+  "stufenlos, wie vorsichtig die Lösung wird — bei $\\Gamma = 0$ nominal, bei $\\Gamma = "
+  "n$ maximal pessimistisch.",
+ "{ref:sec:unsicherheit-robuste-optimierung-gegen-den-worst-case}"),
+
+("Budgetlimit", "Budgetlimit",
+  "Nebenbedingung, die die Summe gewichteter Entscheidungen nach oben begrenzt. Der "
+  "zugehörige Schattenpreis beantwortet unmittelbar, was eine zusätzliche Budgeteinheit "
+  "einbrächte.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Calmar Ratio", "Calmar Ratio",
+  "Jahresrendite geteilt durch den Betrag des maximalen Drawdowns. Ergänzt die Sharpe "
+  "Ratio um die Verlustperspektive: Sie misst Ertrag je Einheit des schlimmsten "
+  "erlebten Rückschlags statt je Einheit Schwankung.",
+ "{ref:sec:handelsmaschine-die-engine}"),
+
+("CDCL", "CDCL",
+  "*Conflict-Driven Clause Learning* — das Suchprinzip moderner SAT-Solver. Aus jedem "
+  "Widerspruch wird eine Sperrklausel abgeleitet, die verhindert, dass dieselbe "
+  "Sackgasse erneut betreten wird; anschließend springt die Suche gezielt zurück statt "
+  "Schritt für Schritt.",
+ "{ref:sec:cpsat-ein-anderes-denkmodell}"),
+
+("Chance Constraint", "Chance Constraint",
+  "Nebenbedingung, die nicht immer, sondern nur mit vorgegebener Wahrscheinlichkeit "
+  "gelten muss — etwa „die Versorgung reicht in 95 % der Fälle“. Bei normalverteilter "
+  "Unsicherheit wird daraus eine konische Bedingung, sonst hilft eine szenariobasierte "
+  "Big-M-Formulierung.",
+ "{ref:sec:unsicherheit-chance-constraints}"),
+
+("Column Generation", "Column Generation",
+  "Verfahren für Modelle mit sehr vielen Variablen: Gerechnet wird auf einer kleinen "
+  "Teilmenge, und ein Preisproblem sucht wiederholt die eine Spalte, die sich noch "
+  "lohnt. Erst wenn keine mehr existiert, ist das Optimum bewiesen.",
+ "{ref:sec:metaheuristiken-abgrenzung}"),
+
+("Conditional Value at Risk (CVaR)", "Conditional Value at Risk (CVaR)",
+  "Erwarteter Verlust in den schlechtesten Szenarien jenseits des Value at Risk. Anders "
+  "als der VaR ist der CVaR kohärent und subadditiv und lässt sich nach Rockafellar und "
+  "Uryasev exakt als lineares Programm formulieren.",
+ "{ref:sec:cvar-value-at-risk-und-conditional-value}"),
+
+("Conflict Learning", "CDCL!Conflict Learning",
+  "Technik moderner SAT- und CP-Solver, aus jedem erkannten Widerspruch eine "
+  "Sperrklausel abzuleiten. Der Solver lernt so aus Fehlschlägen, statt gleichartige "
+  "Sackgassen immer wieder zu durchsuchen.",
+ "{ref:sec:cpsat-ein-anderes-denkmodell}"),
+
+("Constraint Attribution", "Constraint Attribution",
+  "Diagnoseverfahren für den häufigsten Praxisfall: Das Modell rechnet, der Plan ist "
+  "zulässig — und trotzdem enttäuschend. Jede Bedingungsgruppe wird einzeln gelockert "
+  "und gemessen, wie sich der Zielwert ändert. Dasselbe Vorgehen wie der Deletion "
+  "Filter, nur mit Kosten statt Zulässigkeit als Kriterium.",
+ "{ref:sec:praxisfallen-attribution}"),
+
+("Constraint Programming (CP)", "Constraint Programming (CP)",
+  "Paradigma, das nicht über Zielfunktionsgradienten, sondern über logische "
+  "Verträglichkeit sucht: Constraints schränken Wertebereiche ein, bis eine zulässige "
+  "Belegung gefunden ist. Stark bei Reihenfolgen, Schichtplänen und "
+  "Ressourcenkonflikten.",
+ "{ref:sec:cpsat-ein-anderes-denkmodell}"),
+
+("Constraint Propagation", "Constraint Propagation",
+  "Kernmechanismus von CP-Solvern: Aus einer Zuweisung werden unmögliche Werte anderer "
+  "Variablen sofort entfernt. Der Suchbaum schrumpft dadurch, bevor er überhaupt "
+  "durchsucht wird. Genau hier liegt der Vorteil globaler Constraints — ihre "
+  "Propagatoren schließen weit mehr Werte aus als die gleichwertige Menge einzelner "
+  "Ungleichungen.",
+ "{ref:sec:cpsat-ein-anderes-denkmodell}"),
+
+("Constraint-Trace", "Constraint-Trace",
+  "Nachvollziehbare Begründung einer einzelnen Solver-Entscheidung — „Warum bekommt "
+  "Person A die Stunde und nicht Person B?“ — anhand der bindenden Bedingungen und "
+  "Strafpunkte. Das Gegenmittel zum Black-Box-Effekt.",
+ "{ref:sec:praxisfallen-die-fuenf-typischen-praxisfallen}"),
+
+("CP-SAT", "CP-SAT",
+  "Constraint-Programming-Solver von OR-Tools. Er übersetzt ein Modell in boolesche "
+  "Erfüllbarkeit und löst es mit Propagation, Conflict Learning und paralleler Suche. "
+  "Für Reihenfolge- und Zuordnungsprobleme meist schneller als ein MILP-Solver.",
+ "{ref:sec:cpsat-ein-anderes-denkmodell}"),
+
+("CP-SAT-Solver", "CP-SAT-Solver",
+  "Die Solver-Komponente von OR-Tools, angesprochen über `cp_model.CpSolver()`. Sie "
+  "liefert neben der Lösung Statuscode, Laufzeit und die beste bekannte Schranke und "
+  "lässt sich über `num_workers` auf mehrere Kerne verteilen.",
+ "{ref:sec:cpsat-ein-anderes-denkmodell}"),
+
+("CSR-Format", "CSR-Format",
+  "*Compressed Sparse Row* — Speicherformat für dünn besetzte Matrizen, das nur die von "
+  "null verschiedenen Einträge samt ihrer Positionen ablegt. Für Optimierungsmodelle "
+  "mit zehntausenden Nebenbedingungen der Unterschied zwischen passt und passt nicht in "
+  "den Speicher.",
+ "{ref:sec:oekosystem-ein-system-vier-programmieransaetze}"),
+
+("CVRPTW", "CVRPTW",
+  "*Capacitated Vehicle Routing Problem with Time Windows* — Tourenplanung mit einer "
+  "Flotte, Kapazitätsgrenzen je Fahrzeug und Zeitfenstern je Kunde. Die praxisnahe "
+  "Variante des VRP und Standardfall der Routing-Bibliothek von OR-Tools.",
+ "{ref:sec:graphen-das-vehicle-routing-problem-mit-zeitfenstern}"),
+
+("CVXPY", "CVXPY",
+  "Modellierungssprache für konvexe Optimierung. Sie schreibt das Problem in "
+  "mathematiknaher Notation, prüft die Konvexität nach den Regeln der Disciplined "
+  "Convex Programming und reicht es an einen passenden Solver weiter.",
+ "{ref:sec:oekosystem-die-werkzeuge-im-vergleich}"),
+
+("Data Snooping", "Data Snooping",
+  "Wiederholtes Ausprobieren von Strategien auf denselben Daten, bis eine gut aussieht. "
+  "Der Fund ist dann eine Eigenschaft der Stichprobe, nicht des Marktes — gefährlicher "
+  "als ein Programmierfehler, weil das Ergebnis plausibel wirkt.",
+ "{ref:sec:handelsmaschine-die-fuenf-selbsttaeuschungen-des-backtestens}"),
+
+("DCPError", "DCPError",
+  "Fehlermeldung von CVXPY, wenn ein Ausdruck die Regeln der *Disciplined Convex "
+  "Programming* verletzt. Sie besagt nicht, dass das Problem unlösbar ist, sondern dass "
+  "CVXPY die Konvexität nicht nachweisen kann — meist hilft eine äquivalente Umformung.",
+ "{ref:anhang:fehlerdiagnose}"),
+
+("Deletion Filter", "Deletion Filter",
+  "Verfahren zur Eingrenzung von Unlösbarkeit. Es fragt nicht „ist *diese* Bedingung "
+  "schuld?“, sondern „wird *diese* Bedingung für den Widerspruch überhaupt gebraucht?“, "
+  "und findet dadurch auch dann eine minimale unlösbare Teilmenge, wenn sich mehrere "
+  "Widersprüche überlagern.",
+ "{ref:anhang:fehlerdiagnose}"),
+
+("Diskrete Rendite", "Diskrete Rendite",
+  "Einfache Rendite $(P_t - P_{t-1})/P_{t-1}$. Sie ist **über Titel** additiv und "
+  "deshalb die richtige Wahl für Portfoliogewichte — anders als die logarithmische "
+  "Rendite, die über die Zeit additiv ist.",
+ "{ref:sec:finanzdaten-diskrete-und-logarithmische-renditen}"),
+
+("Diversifikation", "Diversifikation",
+  "Risikoreduktion durch Verteilung auf Titel, deren Renditen nicht vollständig "
+  "gleichlaufen. Der Effekt steckt vollständig in den Kovarianzen: Bei Korrelation 1 "
+  "verschwindet er, bei negativer Korrelation ist er am größten.",
+ "{ref:sec:markowitz-warum-diversifikation-funktioniert}"),
+
+("Dual Simplex", "Dual Simplex",
+  "Variante des Simplex-Verfahrens, die eine dual zulässige Basis beibehält und die "
+  "primale Zulässigkeit herstellt. Das Verfahren der Wahl beim Warm-Start, etwa in "
+  "jedem Knoten eines Branch-and-Bound-Baums.",
+ "{ref:sec:oekosystem-die-zwei-schichten-architektur}"),
+
+("Duales Problem", "Duales Problem",
+  "Das jedem Optimierungsproblem zugeordnete Gegenstück, dessen Variablen die "
+  "Nebenbedingungen des Originals bepreisen. Seine Optimalwerte sind die "
+  "Schattenpreise; im Optimum stimmen beide Zielfunktionswerte überein.",
+ "{ref:sec:lp-dualitaet-und-schattenpreise}"),
+
+("Dualitätstheorie", "Dualitätstheorie",
+  "Theorie des Zusammenhangs zwischen einem Optimierungsproblem und seinem Dualproblem. "
+  "Der schwache Dualitätssatz liefert stets eine Schranke, der starke besagt, dass bei "
+  "linearen Programmen beide Optima zusammenfallen.",
+ "{ref:sec:lp-dualitaet-und-schattenpreise}"),
+
+("Dynamische Programmierung (DP)", "Dynamische Programmierung",
+  "Lösungsprinzip für mehrstufige Entscheidungen: Das Problem wird in Zustände und "
+  "Stufen zerlegt und rückwärts gelöst, wobei jeder Zustand nur einmal bewertet wird. "
+  "Voraussetzung ist das Optimalitätsprinzip.",
+ "{ref:sec:dynamische-programmierung-das-bellmansche-optimalitaetsprinzip}"),
+
+("Ecke (Extrempunkt)", "Ecke (Extrempunkt)",
+  "Punkt des zulässigen Bereichs, der sich nicht als echte Mischung zweier anderer "
+  "zulässiger Punkte schreiben lässt. Nach dem Fundamentalsatz der linearen Optimierung "
+  "liegt in einer Ecke stets ein Optimum — deshalb sucht der Simplex nur dort.",
+ "{ref:sec:fundament-der-zulaessige-loesungsraum-und-das-polyeder}"),
+
+("Effizienzgrenze (Efficient Frontier)", "Effizienzgrenze",
+  "Kurve aller Portfolios, die zu gegebenem Risiko die höchste erwartete Rendite "
+  "liefern. Portfolios darunter sind dominiert, Portfolios darüber unerreichbar.",
+ "{ref:sec:markowitz-das-mean-variance-modell}"),
+
+("Entartung", "Entartung",
+  "Zustand, in dem mehr Nebenbedingungen aktiv sind, als Variablen frei bleiben. Der "
+  "Simplex kann dann Basiswechsel ohne Zielwertverbesserung durchführen, und die "
+  "Schattenpreise sind nicht mehr eindeutig — zwei Solver dürfen verschiedene, "
+  "gleichermaßen korrekte Dualwerte melden.",
+ "{ref:sec:lp-entartung}"),
+
+("Entscheidungsvariable", "Entscheidungsvariable",
+  "Die vom Solver frei wählbare Größe eines Modells. Ihr Wertebereich — kontinuierlich, "
+  "ganzzahlig oder binär — bestimmt die Problemklasse und damit den Lösungsaufwand.",
+ "{ref:sec:einfuehrung-die-vier-universellen-bausteine-jedes-or}"),
+
+("Entscheidungsvektor", "Entscheidungsvektor",
+  "Zusammenfassung aller Entscheidungsvariablen zu einem Vektor $\\mathbf{x}$. Erst "
+  "diese Schreibweise macht die kompakte Matrixform eines Modells möglich.",
+ "{ref:sec:fundament-warum-ueberhaupt-vektoren-und-matrizen}"),
+
+("Entweder-Oder-Bedingung", "Entweder-Oder-Bedingung",
+  "Modellierungsmuster für sich ausschließende Alternativen: Genau eine von mehreren "
+  "Bedingungen soll gelten. Umgesetzt über Binärvariablen mit Summe 1 und "
+  "Big-M-Kopplung an die jeweilige Bedingung.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Error-Maximizer-Effekt", "Error-Maximizer-Effekt",
+  "Eigenschaft der Mean-Variance-Optimierung, Schätzfehler zu verstärken statt "
+  "auszugleichen. Der Optimierer sucht gezielt die Richtungen mit der niedrigsten "
+  "geschätzten Varianz — und das sind genau jene, deren Varianz am stärksten "
+  "unterschätzt wurde.",
+ "{ref:sec:finanzdaten-das-schaetzfehler-problem}"),
+
+("EVPI (Expected Value of Perfect Information)", "EVPI",
+  "Differenz zwischen den erwarteten Kosten unter Unsicherheit und den Kosten bei "
+  "perfektem Wissen. Obergrenze für den Wert jeder Prognoseverbesserung: Keine noch so "
+  "gute Vorhersage kann mehr einbringen.",
+ "{ref:sec:unsicherheit-zweistufige-stochastische-programmierung}"),
+
+("Exklusiv-Oder", "Exklusiv-Oder",
+  "Modellierungsmuster für „genau eine von zwei Optionen“: $y_A + y_B = 1$. Die "
+  "Abgrenzung zum einfachen Oder ($y_A + y_B \\ge 1$) ist in der Praxis eine häufige "
+  "Fehlerquelle.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Expected Shortfall", "Expected Shortfall",
+  "Anderer Name für den Conditional Value at Risk; in der Bankenregulierung die "
+  "gebräuchliche Bezeichnung. Beide meinen den erwarteten Verlust jenseits des "
+  "VaR-Quantils.",
+ "{ref:sec:cvar-value-at-risk-und-conditional-value}"),
+
+("Explainable OR", "Explainable OR",
+  "Nachvollziehbarmachung von Solver-Ergebnissen über Schattenpreise, aktive "
+  "Restriktionen, Constraint-Trace und Kostenzerlegung. Das Gegenstück zu Explainable "
+  "AI für Optimierungsmodelle.",
+ "{ref:sec:praxisfallen-die-fuenf-typischen-praxisfallen}"),
+
+("Fallback-Strategie", "Fallback-Strategie",
+  "Festgelegtes Vorgehen für den Fall, dass der Solver kein Ergebnis liefert: letzter "
+  "gültiger Plan, regelbasierte Notlösung, Alarm. Niemals: nichts.",
+ "{ref:sec:praxisfallen-architektur-einer-produktionsreifen-or-plattform}"),
+
+("Fat Tails", "Fat Tails",
+  "Verteilungsränder, die dicker auslaufen als bei der Normalverteilung. "
+  "Extremereignisse sind dann deutlich häufiger als das Normalmodell vorhersagt — der "
+  "Grund, warum varianzbasierte Risikomaße das Verlustrisiko unterschätzen.",
+ "{ref:sec:cvar-die-zwei-schwaechen-des-markowitz-modells}"),
+
+("Fluch der Dimensionalität", "Fluch der Dimensionalität",
+  "Exponentielles Wachstum des Zustandsraums mit jeder zusätzlichen Zustandsdimension. "
+  "Es begrenzt die dynamische Programmierung und motiviert näherungsweise Verfahren.",
+ "{ref:sec:dynamische-programmierung-der-fluch-der-dimensionalitaet}"),
+
+("Fluch des Durchschnitts (Flaw of Averages)", "Fluch des Durchschnitts",
+  "Systematischer Fehler beim Planen mit Erwartungswerten statt mit Verteilungen. Das "
+  "Ergebnis der Durchschnittsrechnung ist im Allgemeinen nicht der Durchschnitt der "
+  "Ergebnisse; formal folgt das aus der Jensenschen Ungleichung.",
+ "{ref:sec:unsicherheit-der-fluch-des-durchschnitts}"),
+
+("Flusserhaltung", "Flusserhaltung",
+  "Bedingung, dass an jedem Knoten Abfluss minus Zufluss dem Saldo des Knotens "
+  "entspricht — das Kirchhoff-Gesetz der Netzwerkoptimierung. Summieren sich die Salden "
+  "nicht zu null, ist das Problem grundsätzlich unlösbar.",
+ "{ref:sec:graphen-graphen-als-modellsprache}"),
+
+("Fundamentalsatz der linearen Optimierung", "Fundamentalsatz der linearen Optimierung",
+  "Das Optimum eines lösbaren linearen Programms wird stets in mindestens einer Ecke "
+  "des zulässigen Polyeders angenommen. Die Rechtfertigung dafür, nur endlich viele "
+  "Ecken statt unendlich vieler Punkte zu prüfen.",
+ "{ref:sec:fundament-der-zulaessige-loesungsraum-und-das-polyeder}"),
+
+("Gemischt-ganzzahlige Optimierung (MILP)", "MILP",
+  "*Mixed-Integer Linear Programming* — lineares Modell mit mindestens einer "
+  "ganzzahligen oder binären Variablen. Die Ganzzahligkeit macht das Problem NP-schwer; "
+  "gelöst wird es mit Branch-and-Cut.",
+ "{ref:sec:milp-warum-runden-fundamental-scheitert}"),
+
+("Genetischer Algorithmus", "Genetischer Algorithmus",
+  "Metaheuristik, die eine Population von Lösungen durch Selektion, Rekombination und "
+  "Mutation weiterentwickelt. Sie gibt keine Optimalitätsgarantie, kommt dafür mit "
+  "Zielfunktionen zurecht, die weder linear noch differenzierbar sind.",
+ "{ref:sec:metaheuristiken-abgrenzung}"),
+
+("Gestaffelte Preise", "Gestaffelte Preise (stückweise linear)",
+  "Modellierungsmuster für Mengenrabatte und Tarifstufen. Die Menge wird in Segmente "
+  "zerlegt, jedes mit eigenem Preis; Binärvariablen erzwingen, dass ein Segment erst "
+  "genutzt wird, wenn das vorhergehende ausgeschöpft ist. Ohne diese "
+  "Reihenfolgebedingung sucht sich der Solver einfach das billigste Segment heraus.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Gini-Koeffizient", "Gini-Koeffizient",
+  "Maß für die Ungleichverteilung einer Größe zwischen 0 (alle gleich) und 1 (einer "
+  "bekommt alles). Im Buch als Fairnesskennzahl für Wunscherfüllungsquoten verwendet.",
+ "[Projektwerkstatt](59_Projektwerkstatt.md)"),
+
+("Gleitendes Fenster", "Gleitendes Fenster",
+  "Auswertung, bei der ein Zeitfenster fester Länge über die Daten geschoben wird. "
+  "Grundlage rollierender Schätzungen und des Walk-Forward-Backtests.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Globale Constraints", "Globale Constraints",
+  "Vorgefertigte Bausteine wie `AllDifferent`, `NoOverlap` oder `Cumulative`, die "
+  "häufige Strukturen kompakt ausdrücken. Ihr eigentlicher Wert sind die "
+  "spezialisierten Propagatoren, die weit mehr Werte ausschließen als die gleichwertige "
+  "Menge einzelner Ungleichungen.",
+ "{ref:sec:cpsat-globale-constraints-die-bausteine-von-cp}"),
+
+("Globales Minimum", "Globales Minimum",
+  "Der kleinste Zielfunktionswert im gesamten zulässigen Bereich. Bei konvexen "
+  "Problemen ist jedes lokale Minimum zugleich global — der Grund, warum Konvexität die "
+  "Grenze zwischen leicht und schwer markiert.",
+ "{ref:sec:fundament-konvexitaet-die-grenze-zwischen-leicht-und}"),
+
+("Global Minimum Variance Portfolio (GMV)", "GMV (Global Minimum Variance)",
+  "Portfolio kleinstmöglicher Varianz. Es benötigt **keine Renditeprognose** und ist "
+  "deshalb deutlich robuster gegen Schätzfehler als das renditemaximierende "
+  "Mean-Variance-Portfolio.",
+ "{ref:sec:markowitz-das-mean-variance-modell}"),
+
+("Goldene Regel des Backtestens", "Goldene Regel des Backtestens",
+  "Zum Zeitpunkt $t$ darf nur Information verwendet werden, die zu $t$ vorlag. Der "
+  "Selbsttest mit absichtlich manipulierter Zukunft prüft das automatisch: Wird der "
+  "Backtest dadurch besser, liegt ein Lookahead-Bias vor.",
+ "{ref:sec:handelsmaschine-zusammenfassung}"),
+
+("Gradient", "Gradient",
+  "Vektor der partiellen Ableitungen einer Funktion; er zeigt in Richtung des steilsten "
+  "Anstiegs. Gradientenbasierte Verfahren wie SLSQP nutzen ihn, um sich schrittweise an "
+  "ein Optimum heranzutasten.",
+ "{ref:sec:qp-nlp-lernziele}"),
+
+("Gurobi", "Gurobi",
+  "Kommerzieller Hochleistungssolver für LP, MILP und QP. Im Buch nicht vorausgesetzt, "
+  "aber als Referenzpunkt genannt: Über die Modellierungsschicht lässt er sich meist "
+  "durch Ändern eines einzigen Arguments einsetzen.",
+ "{ref:sec:milp-branch-and-bound}"),
+
+("Herfindahl-Index", "Herfindahl-Index",
+  "Summe der quadrierten Anteile; Maß für Konzentration. Sein Kehrwert ist die "
+  "*effektive Titelzahl* und beantwortet, auf wie viele gleich große Positionen ein "
+  "Portfolio praktisch verteilt ist.",
+ "[Projektwerkstatt](59_Projektwerkstatt.md)"),
+
+("Hierarchische Relaxation", "Hierarchische Relaxation",
+  "Gegenmittel gegen Unlösbarkeit im Betrieb: Jede harte Bedingung, die im Notfall "
+  "gebrochen werden darf, erhält eine teure Schlupfvariable. Der Solver liefert dann "
+  "immer einen Plan und zeigt zugleich präzise, wo es klemmt.",
+ "{ref:sec:praxisfallen-die-fuenf-typischen-praxisfallen}"),
+
+("HiGHS", "HiGHS",
+  "Offener Hochleistungssolver für LP, MILP und QP. Backend von "
+  "`scipy.optimize.linprog` und CVXPY, direkt ansprechbar über `highspy`.",
+ "{ref:sec:oekosystem-die-werkzeuge-im-vergleich}"),
+
+("IIS (Irreducible Infeasible Subset)", "IIS (Irreducible Infeasible Subset)",
+  "Minimale Menge von Nebenbedingungen, die zusammen unlösbar sind, deren echte "
+  "Teilmengen aber alle lösbar wären. Das präziseste Ergebnis, das eine "
+  "Unlösbarkeitsdiagnose liefern kann.",
+ "{ref:anhang:fehlerdiagnose}"),
+
+("Implikation", "Implikation (Modellierungsmuster)",
+  "Modellierungsmuster für „wenn A, dann B“: $y_B \\ge y_A$. Die Umkehrung gilt dabei "
+  "ausdrücklich nicht — $B$ darf auch ohne $A$ gesetzt sein.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Infeasibility", "Infeasibility",
+  "Zustand eines Modells ohne jede zulässige Lösung. Im Betrieb über Schlupfvariablen "
+  "mit hohem Strafgewicht aufzufangen, in der Diagnose über den Deletion Filter "
+  "einzugrenzen.",
+ "{ref:sec:praxisfallen-die-fuenf-typischen-praxisfallen}"),
+
+("Interior-Point-Verfahren", "Interior-Point-Verfahren",
+  "Lösungsverfahren, das sich durch das Innere des zulässigen Bereichs zum Optimum "
+  "bewegt, statt Ecken abzulaufen. Bei sehr großen Modellen oft schneller als der "
+  "Simplex, liefert dafür keine Basislösung und damit weniger brauchbare "
+  "Sensitivitätsinformationen.",
+ "{ref:sec:oekosystem-die-zwei-schichten-architektur}"),
+
+("Intervallvariable", "Intervallvariable",
+  "Variable mit Start, Dauer und Ende, die in CP-SAT eine Aktivität beschreibt. Sie ist "
+  "die Voraussetzung für Überschneidungsverbote und Ressourcenprofile.",
+ "{ref:sec:cpsat-globale-constraints-die-bausteine-von-cp}"),
+
+("Jensensche Ungleichung", "Jensensche Ungleichung",
+  "Für konvexe Funktionen gilt $\\mathbb{E}[f(X)] \\ge f(\\mathbb{E}[X])$. Die formale "
+  "Grundlage des Fluchs des Durchschnitts: Mit Mittelwerten zu rechnen unterschätzt "
+  "systematisch die erwarteten Kosten.",
+ "{ref:sec:unsicherheit-der-fluch-des-durchschnitts}"),
+
+("Job-Shop-Scheduling", "Job-Shop-Scheduling",
+  "Ablaufplanung, bei der mehrere Aufträge in je eigener Reihenfolge über dieselben "
+  "Maschinen laufen. Klassisches Anwendungsfeld von CP-SAT; Zielgröße ist meist der "
+  "Makespan.",
+ "{ref:sec:cpsat-intervallvariablen-job-shop-scheduling}"),
+
+("Kanonische Standardform", "Kanonische Standardform",
+  "Einheitliche Matrixschreibweise eines LP als $\\min \\mathbf{c}^\\top\\mathbf{x}$ unter "
+  "den Bedingungen $\\mathbf{A}\\mathbf{x} \\le \\mathbf{b}$ und $\\mathbf{x} \\ge 0$. Jedes "
+  "lineare Modell lässt sich darauf bringen — Solver erwarten genau diese Form.",
+ "{ref:sec:fundament-warum-ueberhaupt-vektoren-und-matrizen}"),
+
+("Kapazitätsvektor", "Kapazitätsvektor",
+  "Der Vektor $\\mathbf{b}$ der rechten Seiten in $\\mathbf{A}\\mathbf{x} \\le \\mathbf{b}$. "
+  "Seine Einträge sind die verfügbaren Ressourcen, und die zugehörigen Schattenpreise "
+  "sagen, was eine zusätzliche Einheit davon wert wäre.",
+ "{ref:sec:fundament-warum-ueberhaupt-vektoren-und-matrizen}"),
+
+("Kardinalitätsbeschränkung", "Kardinalitätsbeschränkung",
+  "Obergrenze für die Anzahl gleichzeitig aktiver Entscheidungen, formuliert über die "
+  "Summe der zugehörigen Binärvariablen. Typisch für „höchstens zehn Titel im Depot“.",
+ "{ref:sec:milp-modellierungstricks-big-m-und-logische-bedingungen}"),
+
+("Karush-Kuhn-Tucker-Bedingungen (KKT)", "KKT-Bedingungen",
+  "Notwendige Optimalitätsbedingungen restringierter Probleme: Stationarität, primale "
+  "und duale Zulässigkeit sowie komplementärer Schlupf. Bei konvexen Problemen sind sie "
+  "zugleich hinreichend und damit ein vollständiger Optimalitätsnachweis.",
+ "{ref:sec:qp-nlp-die-karush-kuhn-tucker-bedingungen}"),
+
+("Kohärentes Risikomaß", "Kohärentes Risikomaß",
+  "Risikomaß mit den vier Eigenschaften Monotonie, Subadditivität, positive Homogenität "
+  "und Translationsinvarianz. Der CVaR erfüllt sie, der VaR nicht — dessen Verletzung "
+  "der Subadditivität kann Diversifikation rechnerisch bestrafen.",
+ "{ref:sec:cvar-value-at-risk-und-conditional-value}"),
+
+("Kombinatorische Explosion", "Kombinatorische Explosion",
+  "Überproportionales Wachstum der Zahl möglicher Lösungen mit der Problemgröße. Sie "
+  "ist der Grund, warum systematisches Ausprobieren schon bei kleinen Instanzen "
+  "aussichtslos wird.",
+ "{ref:sec:einfuehrung-warum-ausprobieren-scheitert-mit-eigener-rechnung}"),
+
+("Komplementärer Schlupf", "Komplementärer Schlupf",
+  "Bedingung $s_i \\cdot y_i = 0$: Eine Nebenbedingung ist entweder aktiv (kein Schlupf) "
+  "oder ihr Schattenpreis verschwindet. Wirtschaftlich gelesen: Nur knappe Ressourcen "
+  "haben einen Preis.",
+ "{ref:sec:lp-dualitaet-und-schattenpreise}"),
+
+("Konditionszahl", "Konditionszahl",
+  "Verhältnis von größtem zu kleinstem Singulärwert einer Matrix. Sie misst, wie stark "
+  "kleine Datenänderungen die Lösung verzerren können; hohe Werte kündigen numerische "
+  "Probleme an, lange bevor der Solver etwas meldet.",
+ "{ref:sec:finanzdaten-praxis-datenpipeline-mit-korrekter-spaltenreihenfolge}"),
+
+("Konische Optimierung", "Konische Optimierung (SOCP, SDP)",
+  "Erweiterung der linearen Optimierung auf Kegelbedingungen. Der Second-Order Cone "
+  "(SOCP) erfasst Normen und damit Risikoschranken, die semidefinite Variante (SDP) "
+  "Bedingungen an Matrizen. Beide bleiben konvex und damit global lösbar.",
+ "{ref:sec:unsicherheit-chance-constraints}"),
+
+("Konvexität", "Konvexität",
+  "Eigenschaft, bei der jede Verbindungsstrecke zweier Punkte innerhalb der Menge bzw. "
+  "unterhalb des Funktionsgraphen liegt. Bei konvexen Problemen ist jedes lokale "
+  "Optimum global — die eigentliche Grenze zwischen leicht und schwer lösbar.",
+ "{ref:sec:fundament-konvexitaet-die-grenze-zwischen-leicht-und}"),
+
+("Korn-Transformation", "Korn-Transformation",
+  "Umformung der nicht-konvexen Sharpe-Ratio-Maximierung in ein konvexes quadratisches "
+  "Programm durch Homogenisierung. Sie macht aus einem Bruch eine Skalierung und damit "
+  "aus einem unlösbaren ein lösbares Problem.",
+ "{ref:sec:markowitz-das-mean-variance-modell}"),
+
+("Kostenzerlegung", "Kostenzerlegung",
+  "Aufschlüsselung eines Zielfunktionswerts in seine Bestandteile — etwa Alpha-Ertrag, "
+  "Risikoprämie und Transaktionskostenstrafe. Sie beantwortet die Frage „woraus besteht "
+  "dieses Ergebnis?“ und ist ein Baustein der Erklärbarkeit.",
+ "{ref:sec:praxisfallen-die-fuenf-typischen-praxisfallen}"),
+
+("Kovarianzmatrix", "Kovarianzmatrix",
+  "Matrix der paarweisen Kovarianzen aller Titel. Sie steuert im Markowitz-Modell den "
+  "Diversifikationseffekt und ist bei vielen Titeln und wenigen Beobachtungen notorisch "
+  "schlecht konditioniert.",
+ "{ref:sec:finanzdaten-das-schaetzfehler-problem}"),
+
+("Kumulative Ressource", "Kumulative Ressource",
+  "Ressource mit begrenzter Kapazität, die mehrere Aktivitäten gleichzeitig nutzen "
+  "können — etwa vier Monteure. In CP-SAT über `AddCumulative` ausgedrückt.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Lagrange-Funktion", "Lagrange-Funktion",
+  "Zielfunktion zuzüglich der mit Multiplikatoren gewichteten Nebenbedingungen. Ihre "
+  "Stationaritätsbedingung ist die erste der KKT-Bedingungen und die Brücke zwischen "
+  "restringierter und freier Optimierung.",
+ "{ref:sec:qp-nlp-die-karush-kuhn-tucker-bedingungen}"),
+
+("Lagrange-Multiplikator", "Lagrange-Multiplikator",
+  "Gewicht, mit dem eine Nebenbedingung in die Lagrange-Funktion eingeht. Sein "
+  "Optimalwert ist der Schattenpreis der Bedingung.",
+ "{ref:sec:qp-nlp-die-karush-kuhn-tucker-bedingungen}"),
+
+("Large Neighborhood Search (LNS)", "Large Neighborhood Search",
+  "Metaheuristik, die wiederholt einen größeren Teil der aktuellen Lösung zerstört und "
+  "exakt neu aufbaut. Sie verbindet die Reichweite heuristischer Sprünge mit der "
+  "Genauigkeit eines Solvers auf dem Teilproblem.",
+ "{ref:sec:metaheuristiken-lns}"),
+
+("Ledoit-Wolf-Shrinkage", "Ledoit-Wolf-Shrinkage",
+  "Schrumpfung der Stichprobenkovarianz in Richtung eines strukturierten Ziels; der "
+  "optimale Mischungsfaktor wird analytisch bestimmt. `scikit-learn` verwendet die "
+  "skalierte Einheitsmatrix als Ziel.",
+ "{ref:sec:finanzdaten-ledoit-wolf-shrinkage}"),
+
+("Lexikografische Optimierung", "Lexikografische Optimierung",
+  "Mehrzielverfahren mit strenger Rangfolge: Das wichtigste Ziel wird optimiert, sein "
+  "Wert festgeschrieben, dann das zweitwichtigste — und so fort. Kein Ziel darf "
+  "zugunsten eines nachrangigen verschlechtert werden.",
+ "{ref:sec:mehrziel-epsilon}"),
+
+("Lineare Programmierung (LP)", "Lineare Programmierung (LP)",
+  "*Linear Programming* — Optimierung einer linearen Zielfunktion unter linearen "
+  "Nebenbedingungen mit kontinuierlichen Variablen. Die am besten verstandene "
+  "Problemklasse des Operations Research: in Polynomialzeit lösbar und mit "
+  "vollständiger Dualitätstheorie.",
+ "{ref:sec:lp-die-standardform-und-schlupfvariablen}"),
+
+("linprog", "linprog",
+  "Funktion `scipy.optimize.linprog` zum Lösen linearer Programme. Sie erwartet das "
+  "Modell in kanonischer Standardform als Matrizen und benutzt seit SciPy 1.11 "
+  "standardmäßig HiGHS als Backend.",
+ "{ref:sec:lp-die-vorzeichenfalle-bei-schattenpreisen}"),
+
+("Linopy", "Linopy",
+  "Modellierungsbibliothek, die Optimierungsmodelle über beschriftete Achsen aufbaut "
+  "(`xarray`-Stil). Ihre Stärke sind große, regelmäßig indizierte Modelle wie "
+  "Energiesystemrechnungen.",
+ "{ref:sec:oekosystem-pyomo-linopy}"),
+
+("Logarithmische Rendite", "Logarithmische Rendite",
+  "Stetige Rendite als Logarithmus des Preisverhältnisses. Sie ist **über die Zeit** "
+  "additiv und deshalb die richtige Wahl für Zeitreihenaggregation — nicht aber für die "
+  "Gewichtung im Portfolio.",
+ "{ref:sec:finanzdaten-diskrete-und-logarithmische-renditen}"),
+
+("Lokales Minimum", "Lokales Minimum",
+  "Punkt, der in seiner Umgebung optimal ist, global aber übertroffen werden kann. Bei "
+  "nichtkonvexen Problemen liefern gradientenbasierte Verfahren nur solche Punkte; ein "
+  "Multistart macht das Problem sichtbar.",
+ "{ref:sec:fundament-konvexitaet-die-grenze-zwischen-leicht-und}"),
+
+("Lookahead-Bias", "Lookahead-Bias",
+  "Fehler, bei dem Informationen in eine Entscheidung einfließen, die zum "
+  "Entscheidungszeitpunkt noch nicht vorlagen. Die häufigste Ursache für Backtests, die "
+  "zu gut aussehen, um wahr zu sein.",
+ "{ref:sec:handelsmaschine-die-fuenf-selbsttaeuschungen-des-backtestens}"),
+
+("Makespan", "Makespan",
+  "Gesamtdurchlaufzeit eines Ablaufplans: der Zeitpunkt, zu dem die letzte Aktivität "
+  "endet. Standardzielgröße im Job-Shop-Scheduling.",
+ "{ref:sec:cpsat-intervallvariablen-job-shop-scheduling}"),
+
+("Marchenko-Pastur-Gesetz", "Marchenko-Pastur-Gesetz",
+  "Ergebnis der Zufallsmatrizentheorie über die Eigenwertverteilung von "
+  "Stichproben-Kovarianzmatrizen. Es zeigt, dass die kleinsten Eigenwerte systematisch "
+  "unterschätzt und die größten überschätzt werden — die theoretische Wurzel des "
+  "Error-Maximizer-Effekts.",
+ "{ref:sec:finanzdaten-das-schaetzfehler-problem}"),
+
+("Marktauswirkung (Market Impact)", "Marktauswirkung",
+  "Preisverschlechterung, die eine eigene Order durch ihr Volumen auslöst. Sie wächst "
+  "überproportional mit der Handelsgeschwindigkeit und ist der Grund, große Orders über "
+  "die Zeit zu strecken.",
+ "{ref:sec:dynamische-programmierung-das-almgren-chriss-problem-optimale-orderausfuehrung}"),
+
+("Markowitz-Modell (Mean-Variance)", "Markowitz-Modell (Mean-Variance)",
+  "Rahmenwerk, das ein Portfolio über das Zusammenspiel von erwarteter Rendite und "
+  "Kovarianz bewertet. Es begründete die moderne Portfoliotheorie und ist zugleich das "
+  "Lehrbeispiel für die Empfindlichkeit gegenüber Schätzfehlern.",
+ "{ref:sec:markowitz-das-mean-variance-modell}"),
+
+("Matrixform", "Matrixform",
+  "Kompakte Schreibweise eines Modells über Vektoren und Matrizen statt einzelner "
+  "Gleichungen. Sie ist nicht nur kürzer, sondern die Form, die Solver tatsächlich "
+  "entgegennehmen.",
+ "{ref:sec:fundament-zusammenfassung}"),
+
+("Matrix-Vektor-Produkt", "Matrix-Vektor-Produkt",
+  "Rechenoperation $\\mathbf{A}\\mathbf{x}$, die jede Zeile der Matrix mit dem Vektor "
+  "multipliziert. In der Optimierung berechnet sie den Ressourcenverbrauch aller "
+  "Nebenbedingungen in einem Schritt.",
+ "{ref:sec:fundament-warum-ueberhaupt-vektoren-und-matrizen}"),
+
+("Maximin-Fairness", "Maximin-Fairness",
+  "Zielsetzung „der am schlechtesten Gestellte soll möglichst gut dastehen“. Modelliert "
+  "über eine Hilfsvariable $t$ mit $t \\le f_i(\\mathbf{x})$ für alle $i$ und Maximierung "
+  "von $t$.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Maximum Drawdown", "Maximum Drawdown",
+  "Größter prozentualer Rückgang vom bisherigen Höchststand. Anders als die Volatilität "
+  "misst er den tatsächlich erlittenen Verlustweg und ist deshalb die Kennzahl, an der "
+  "Anleger aussteigen.",
+ "{ref:sec:handelsmaschine-die-engine}"),
+
+("Mensch in der Schleife", "Mensch in der Schleife",
+  "Betriebsprinzip, bei dem der Optimierer **vorschlägt** und ein Mensch "
+  "**entscheidet** — zumindest in der Einführungsphase. Das baut Vertrauen auf und "
+  "fängt Modellfehler ab, bevor sie wirksam werden.",
+ "{ref:sec:praxisfallen-architektur-einer-produktionsreifen-or-plattform}"),
+
+("Metaheuristik", "Metaheuristik",
+  "Übergeordnetes Suchschema wie Simulated Annealing, Tabu-Suche oder genetische "
+  "Algorithmen, das auf viele Problemtypen anwendbar ist. Es liefert gute Lösungen ohne "
+  "Optimalitätsbeweis und ist dort angebracht, wo exakte Verfahren an der Größe "
+  "scheitern.",
+ "{ref:sec:metaheuristiken-aufgabe}"),
+
+("Min-Cost-Flow-Problem", "Min-Cost-Flow",
+  "Kostengünstigster Transport durch ein Netzwerk unter Kapazitäts- und "
+  "Flusserhaltungsbedingungen. Die Modellmatrix ist total unimodular, weshalb schon die "
+  "LP-Lösung ganzzahlig ausfällt.",
+ "{ref:sec:graphen-graphen-als-modellsprache}"),
+
+("Mindestabnahmemenge", "Mindestabnahmemenge",
+  "Bedingung „entweder gar nichts oder mindestens $m$“. Sie ist nicht linear und "
+  "braucht eine Binärvariable: $m\\,y \\le x \\le M\\,y$.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("MINLP", "MINLP",
+  "*Mixed-Integer Nonlinear Programming* — Modelle mit ganzzahligen Variablen **und** "
+  "nichtlinearen Funktionen. Die schwierigste der Standardklassen: Sie vereint die "
+  "kombinatorische Explosion mit dem Problem lokaler Optima.",
+ "{ref:sec:qp-nlp-nichtkonvex}"),
+
+("MIP-Gap", "MIP-Gap",
+  "Relativer Abstand zwischen der besten gefundenen Lösung und der besten bekannten "
+  "Schranke. Er beziffert, wie viel im schlechtesten Fall noch fehlt — ein Gap von 2 % "
+  "heißt: höchstens 2 % besser ist überhaupt möglich.",
+ "{ref:sec:praxisfallen-die-fuenf-typischen-praxisfallen}"),
+
+("Monte-Carlo-Simulation", "Monte-Carlo-Simulation",
+  "Erzeugung vieler Zufallsszenarien, um Kennzahlen empirisch zu schätzen. Sie "
+  "**bewertet** eine gegebene Entscheidung, optimiert aber nicht — der Unterschied wird "
+  "in der Praxis häufig übersehen.",
+ "{ref:sec:unsicherheit-monte-carlo-simulation}"),
+
+("MTZ-Formulierung", "MTZ-Formulierung",
+  "Miller-Tucker-Zemlin-Bedingungen, die über Rangvariablen Kurzzyklen ausschließen. "
+  "Kompakt in der Zahl der Nebenbedingungen, dafür mit schwacher Relaxation — der "
+  "klassische Zielkonflikt bei Tourenmodellen.",
+ "{ref:sec:graphen-das-vehicle-routing-problem-mit-zeitfenstern}"),
+
+("Multi-Objective Optimization", "Multi-Objective Optimization",
+  "Optimierung mit mehreren, konkurrierenden Zielen. Statt einer besten Lösung gibt es "
+  "eine Pareto-Front; die Auswahl daraus ist eine Entscheidung, keine Rechnung.",
+ "{ref:sec:praxisfallen-weiterfuehrende-literatur-und-roadmap}"),
+
+("Nebenbedingung (Constraint)", "Nebenbedingung",
+  "Gleichung oder Ungleichung, die zulässige von unzulässigen Lösungen trennt. Harte "
+  "Bedingungen müssen erfüllt sein, weiche werden über Strafterme lediglich bepreist.",
+ "{ref:sec:einfuehrung-die-vier-universellen-bausteine-jedes-or}"),
+
+("Newsvendor-Problem", "Newsvendor-Problem",
+  "Klassisches Einperiodenmodell: Wie viel bestellt man bei unsicherer Nachfrage, wenn "
+  "Überbestand und Fehlmenge unterschiedlich teuer sind? Die Lösung ist ein Quantil des "
+  "Nachfragemodells, nicht ihr Erwartungswert.",
+ "{ref:sec:unsicherheit-schnellstart}"),
+
+("Nichtlineare Programmierung (NLP)", "Nichtlineare Programmierung (NLP)",
+  "*Nonlinear Programming* — Problemklasse mit nichtlinearer Ziel- oder "
+  "Nebenbedingungsfunktion. Ohne Konvexität liefern Verfahren wie SLSQP nur lokale "
+  "Optima.",
+ "{ref:sec:qp-nlp-nichtlineare-optimierung-mit-scipy-optimize-minimize}"),
+
+("Nichtüberlappung", "Nichtüberlappung",
+  "Bedingung, dass sich Aktivitäten auf derselben Ressource zeitlich nicht "
+  "überschneiden. In CP-SAT über `AddNoOverlap` auf Intervallvariablen ausgedrückt.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("NP-schwer", "NP-schwer",
+  "Komplexitätsklasse von Problemen, für die kein Algorithmus mit polynomialer Laufzeit "
+  "bekannt ist. Praktisch heißt das: Die Lösungszeit kann mit der Problemgröße "
+  "explodieren — nicht aber, dass jede Instanz schwer wäre.",
+ "{ref:sec:milp-branch-and-bound}"),
+
+("Operations Research (OR)", "Operations Research",
+  "Disziplin, die reale Entscheidungsprobleme in mathematische Modelle überführt und "
+  "mit exakten oder heuristischen Algorithmen löst. Sie beantwortet nicht „was wird "
+  "geschehen?“, sondern „was sollen wir tun?“.",
+ "{ref:sec:einfuehrung-was-ist-operations-research-wirklich}"),
+
+("Optimalitätsprinzip", "Optimalitätsprinzip",
+  "Grundsatz von Bellman: Jede Teilpolitik einer optimalen Politik ist ihrerseits "
+  "optimal für den erreichten Zustand. Ohne ihn wäre die Rückwärtsinduktion nicht "
+  "zulässig.",
+ "{ref:sec:dynamische-programmierung-das-bellmansche-optimalitaetsprinzip}"),
+
+("OR-Tools", "OR-Tools",
+  "Optimierungssammlung von Google mit CP-SAT, einer Routing-Bibliothek und Anbindungen "
+  "an LP/MILP-Solver. Im Buch die erste Wahl für Reihenfolge-, Zuordnungs- und "
+  "Tourenprobleme.",
+ "{ref:sec:einfuehrung-lernziele}"),
+
+("Overfitting", "Overfitting",
+  "Anpassung eines Modells an Zufälligkeiten der Trainingsdaten statt an die zugrunde "
+  "liegende Struktur. Im Backtesting die Regel, nicht die Ausnahme — deshalb der "
+  "Walk-Forward-Test.",
+ "{ref:sec:handelsmaschine-die-fuenf-selbsttaeuschungen-des-backtestens}"),
+
+("Parameter", "Parameter (Modell)",
+  "Feststehende Größe eines Modells — Kosten, Kapazitäten, Bedarfe. Parameter werden "
+  "nicht optimiert, sondern gegeben; ihre Unsicherheit ist der Gegenstand der "
+  "stochastischen und robusten Optimierung.",
+ "{ref:sec:einfuehrung-die-vier-universellen-bausteine-jedes-or}"),
+
+("Pareto-Front", "Pareto-Front",
+  "Menge aller Lösungen, bei denen kein Ziel verbessert werden kann, ohne ein anderes "
+  "zu verschlechtern. Sie zeigt den Zielkonflikt als Kurve, statt ihn in einer "
+  "Gewichtung zu verstecken.",
+ "{ref:sec:mehrziel-dominanz}"),
+
+("Pivotisierung", "Pivotisierung",
+  "Basiswechsel im Simplex-Verfahren: Eine Variable verlässt die Basis, eine andere "
+  "tritt ein. Jeder Pivotschritt entspricht dem Weiterwandern zur benachbarten Ecke des "
+  "Polyeders.",
+ "{ref:sec:lp-der-simplex-algorithmus-schritt-fuer-schritt}"),
+
+("Polars", "Polars",
+  "Schnelle DataFrame-Bibliothek mit spaltenorientiertem Speicher und verzögerter "
+  "Auswertung. Im Buch als Alternative zu pandas dort erwähnt, wo der Modellaufbau "
+  "selbst zum Engpass wird.",
+ "{ref:sec:oekosystem-vektorisierung}"),
+
+("Polyeder", "Polyeder",
+  "Schnittmenge endlich vieler Halbräume — die geometrische Gestalt des zulässigen "
+  "Bereichs eines linearen Programms. Seine Ecken sind die Kandidaten für das Optimum.",
+ "{ref:sec:fundament-der-zulaessige-loesungsraum-und-das-polyeder}"),
+
+("Positiv (semi-)definit", "Positiv (semi-)definit",
+  "Eigenschaft einer symmetrischen Matrix, deren Eigenwerte alle $> 0$ (definit) bzw. "
+  "$\\ge 0$ (semidefinit) sind. Definit bedeutet streng konvex und eine eindeutige "
+  "Lösung, semidefinit konvex mit möglicherweise mehreren.",
+ "{ref:sec:qp-nlp-das-quadratische-programm-qp}"),
+
+("Predict-then-Optimize", "Predict-then-Optimize",
+  "Zweistufiges Vorgehen: erst prognostizieren, dann mit der Prognose optimieren. Der "
+  "Bruch liegt dazwischen — das Prognosemodell minimiert Vorhersagefehler, nicht "
+  "Entscheidungskosten.",
+ "{ref:sec:prognose-naht}"),
+
+("Präskriptive Analytik", "Präskriptive Analytik",
+  "Analysestufe, die vorschreibt, welche Handlung unter den gegebenen Bedingungen die "
+  "beste ist. Sie folgt auf die deskriptive (was war?) und die prädiktive Stufe (was "
+  "wird?).",
+ "{ref:sec:einfuehrung-was-ist-operations-research-wirklich}"),
+
+("Primales Problem", "Primales Problem",
+  "Das ursprünglich formulierte Optimierungsproblem, im Gegensatz zu seinem "
+  "Dualproblem. Welches von beiden „primal“ heißt, ist Konvention: Das Duale des Dualen "
+  "ist wieder das Primale.",
+ "{ref:sec:lp-dualitaet-und-schattenpreise}"),
+
+("Pyomo", "Pyomo",
+  "Umfangreiche Modellierungssprache für Optimierung in Python, mit Unterstützung für "
+  "abstrakte Modelle, viele Solver und nichtlineare Formulierungen. Mächtiger, aber "
+  "ausführlicher als CVXPY.",
+ "{ref:sec:oekosystem-pyomo-linopy}"),
+
+("Q-Learning", "Q-Learning",
+  "Verfahren des bestärkenden Lernens, das den Wert von Zustand-Aktion-Paaren aus "
+  "Erfahrung schätzt, ohne ein Modell der Umgebung zu kennen. Verwandt mit der "
+  "dynamischen Programmierung, aber lernend statt rechnend.",
+ "{ref:sec:dynamische-programmierung-der-fluch-der-dimensionalitaet}"),
+
+("Quadratische Programmierung (QP)", "Quadratische Programmierung (QP)",
+  "*Quadratic Programming* — Optimierung einer quadratischen Zielfunktion unter "
+  "linearen Nebenbedingungen. Bei positiv semidefiniter Matrix konvex und damit "
+  "zuverlässig global lösbar; die Portfoliooptimierung ist der Standardfall.",
+ "{ref:sec:qp-nlp-das-quadratische-programm-qp}"),
+
+("Rebalancing", "Rebalancing",
+  "Periodische Rückführung des Portfolios auf die Zielgewichte. Zu häufig kostet "
+  "Gebühren, zu selten lässt die Gewichte driften — und die Termine müssen Handelstage "
+  "sein.",
+ "{ref:sec:handelsmaschine-rebalancing-termine-richtig-bestimmen}"),
+
+("Regime-Shift", "Regime-Shift",
+  "Strukturbruch in den Daten, nach dem historisch geschätzte Momente ihre Gültigkeit "
+  "verlieren. Kein Modellfehler, sondern eine Eigenschaft der Welt — abzufangen über "
+  "kürzere Schätzfenster und robuste Formulierungen.",
+ "{ref:sec:praxisfallen-die-fuenf-typischen-praxisfallen}"),
+
+("Reinforcement Learning", "Reinforcement Learning",
+  "Lernen einer Entscheidungsstrategie aus Rückmeldungen der Umgebung. Es löst dieselbe "
+  "Klasse mehrstufiger Probleme wie die dynamische Programmierung, benötigt aber kein "
+  "explizites Übergangsmodell.",
+ "{ref:sec:dynamische-programmierung-der-fluch-der-dimensionalitaet}"),
+
+("Relaxation", "Relaxation",
+  "Absichtliches Weglassen einschränkender Forderungen — typischerweise der "
+  "Ganzzahligkeit —, um eine schnell berechenbare Schranke zu gewinnen. Der Wert der "
+  "Relaxation begrenzt, wie gut die echte Lösung überhaupt werden kann.",
+ "{ref:sec:milp-branch-and-bound}"),
+
+("Robuste Optimierung", "Robuste Optimierung",
+  "Auslegung auf den ungünstigsten Fall innerhalb einer Unsicherheitsmenge. Sie "
+  "verlangt keine Wahrscheinlichkeiten, sondern nur eine Angabe darüber, wie weit die "
+  "Parameter schwanken können.",
+ "{ref:sec:unsicherheit-robuste-optimierung-gegen-den-worst-case}"),
+
+("Rockafellar-Uryasev-Theorem", "Rockafellar-Uryasev-Theorem",
+  "Ergebnis, das die CVaR-Minimierung in eine konvexe Hilfsfunktion überführt. Es macht "
+  "die Optimierung des Tail-Risikos mit gewöhnlichen linearen Solvern möglich.",
+ "{ref:sec:cvar-value-at-risk-und-conditional-value}"),
+
+("Routing-Bibliothek", "Routing-Bibliothek",
+  "Spezialisierter Teil von OR-Tools für Touren- und Reihenfolgeprobleme. Sie arbeitet "
+  "heuristisch mit Zeitbudget — „optimal“ wird hier in der Regel nicht bewiesen.",
+ "{ref:sec:graphen-zusammenfassung}"),
+
+("Rucksackproblem", "Rucksackproblem",
+  "Auswahl von Gegenständen mit Wert und Gewicht unter einer Kapazitätsgrenze. Das "
+  "Schulbeispiel der ganzzahligen Optimierung und Modell für jede Budgetauswahl.",
+ "{ref:sec:milp-beispiel-das-rucksackproblem}"),
+
+("Ruiz-Equilibrierung", "Ruiz-Equilibrierung",
+  "Skalierungsverfahren, das Zeilen und Spalten einer Matrix iterativ so multipliziert, "
+  "dass alle Beträge in derselben Größenordnung liegen. Nach wenigen Durchläufen liegen "
+  "die Maxima bei 1 — die einfachste wirksame Gegenmaßnahme gegen schlechte "
+  "Konditionierung.",
+ "{ref:sec:fundament-kondition}"),
+
+("Rückwärtsinduktion", "Rückwärtsinduktion",
+  "Lösungsrichtung der dynamischen Programmierung: von der letzten Stufe rückwärts. Nur "
+  "dort steht der Wert eines Zustands ohne Kenntnis der Zukunft fest, und von dort aus "
+  "lässt sich jede frühere Stufe auf bereits bekannte Werte zurückführen.",
+ "{ref:sec:dynamische-programmierung-lernziele}"),
+
+("Rüstzeit", "Rüstzeit",
+  "Umschaltzeit zwischen zwei aufeinanderfolgenden Aufträgen auf derselben Maschine. "
+  "Sie ist reihenfolgeabhängig und macht aus einer einfachen Zuordnung ein "
+  "Reihenfolgeproblem.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("SAT (Boolean Satisfiability)", "SAT (Boolean Satisfiability)",
+  "Problem, für eine aussagenlogische Formel eine erfüllende Belegung zu finden. Das "
+  "erste als NP-vollständig bewiesene Problem — und die Sprache, in die CP-SAT jedes "
+  "Modell übersetzt.",
+ "{ref:sec:cpsat-ein-anderes-denkmodell}"),
+
+("Satz von Birkhoff und von Neumann", "Satz von Birkhoff und von Neumann",
+  "Jede doppelt stochastische Matrix ist eine Mischung von Permutationsmatrizen. Er "
+  "erklärt, warum das Zuordnungsproblem schon als lineares Programm ganzzahlige "
+  "Lösungen liefert.",
+ "{ref:sec:graphen-bipartites-matching-das-zuordnungsproblem}"),
+
+("Schattenpreis", "Schattenpreis",
+  "Optimalwert einer Dualvariablen: Um wie viel ändert sich der Zielwert, wenn die "
+  "zugehörige Ressource um eine Einheit erweitert wird? Er gilt nur lokal — innerhalb "
+  "des Bereichs, den die Sensitivitätsanalyse ausweist.",
+ "{ref:sec:lp-dualitaet-und-schattenpreise}"),
+
+("Schätzfehler", "Schätzfehler",
+  "Abweichung geschätzter Größen wie Renditen oder Kovarianzen von ihren wahren Werten. "
+  "In der Portfoliooptimierung nicht ein Randproblem, sondern das Hauptproblem.",
+ "{ref:sec:finanzdaten-das-schaetzfehler-problem}"),
+
+("Schlupfvariable", "Schlupfvariable",
+  "Nichtnegative Hilfsvariable, die eine Ungleichung in eine Gleichung überführt. Ihr "
+  "Wert zeigt die ungenutzte Reserve; ist er null, ist die Bedingung bindend.",
+ "{ref:sec:lp-die-standardform-und-schlupfvariablen}"),
+
+("Schnittebenen (Cutting Planes)", "Schnittebenen",
+  "Zusätzliche gültige Ungleichungen, die gebrochene LP-Lösungen abschneiden, ohne "
+  "einen einzigen ganzzahligen Punkt zu verlieren. Sie verschärfen die Relaxation und "
+  "verkleinern damit den Suchbaum.",
+ "{ref:sec:milp-branch-and-bound}"),
+
+("Semikontinuierliche Variable", "Semikontinuierliche Variable",
+  "Variable, die entweder null ist oder in einem Intervall $[m, M]$ liegt. Sie erfasst "
+  "Mindestlosgrößen und wird über eine Binärvariable modelliert.",
+ "{ref:sec:milp-modellierungstricks-big-m-und-logische-bedingungen}"),
+
+("Sensitivitätsanalyse", "Sensitivitätsanalyse",
+  "Untersuchung, in welchem Bereich sich Koeffizienten und Kapazitäten ändern dürfen, "
+  "ohne die Struktur der Optimallösung zu verändern. Sie macht aus einer Zahl eine "
+  "Aussage über ihre Belastbarkeit.",
+ "{ref:sec:lp-praxisfall-sensitivitaetsanalyse-mit-korrekten-schattenpreisen}"),
+
+("Shannon-Entropie", "Shannon-Entropie",
+  "Maß für die Gleichverteiltheit einer Verteilung. Als Zielfunktion eingesetzt "
+  "erzwingt sie Streuung, ohne eine bestimmte Aufteilung vorzugeben.",
+ "{ref:sec:qp-nlp-nichtlineare-optimierung-mit-scipy-optimize-minimize}"),
+
+("Sharpe Ratio", "Sharpe-Ratio",
+  "Überrendite über den risikofreien Zins je Einheit Volatilität. Ihre Maximierung ist "
+  "zunächst nicht konvex, wird es aber durch die Korn-Transformation.",
+ "{ref:sec:markowitz-das-mean-variance-modell}"),
+
+("Simplex-Algorithmus", "Simplex-Algorithmus",
+  "Verfahren von Dantzig, das von Ecke zu Ecke des Polyeders wandert und den "
+  "Zielfunktionswert dabei monoton verbessert. Im schlechtesten Fall exponentiell, in "
+  "der Praxis außerordentlich zuverlässig.",
+ "{ref:sec:lp-der-simplex-algorithmus-schritt-fuer-schritt}"),
+
+("Simulated Annealing", "Simulated Annealing",
+  "Metaheuristik nach dem Vorbild des Metallabkühlens: Verschlechterungen werden "
+  "anfangs häufig, später kaum noch akzeptiert. So entkommt die Suche lokalen Optima, "
+  "ohne die Richtung ganz zu verlieren.",
+ "{ref:sec:metaheuristiken-annealing}"),
+
+("Skalarisierung", "Skalarisierung",
+  "Zusammenfassung mehrerer Ziele zu einer gewichteten Summe. Bequem, aber mit zwei "
+  "Haken: Die Gewichte sind Werturteile, und nicht jeder Punkt der Pareto-Front lässt "
+  "sich so erreichen.",
+ "{ref:sec:mehrziel-skalarisierung}"),
+
+("Skalarprodukt", "Skalarprodukt",
+  "Summe der paarweisen Produkte zweier Vektoren, $\\mathbf{c}^\\top\\mathbf{x}$. In der "
+  "Optimierung die kompakte Schreibweise jeder linearen Zielfunktion.",
+ "{ref:sec:fundament-warum-ueberhaupt-vektoren-und-matrizen}"),
+
+("SLSQP", "SLSQP",
+  "*Sequential Least Squares Programming* — gradientenbasiertes Verfahren in "
+  "`scipy.optimize.minimize` für nichtlineare Probleme mit Nebenbedingungen. Es findet "
+  "lokale Optima; ohne Konvexität entscheidet der Startpunkt über das Ergebnis.",
+ "{ref:sec:qp-nlp-nichtlineare-optimierung-mit-scipy-optimize-minimize}"),
+
+("Snapshot-Prinzip", "Snapshot-Prinzip",
+  "Betriebsregel, nach der jeder Optimierungslauf auf einem unveränderlichen "
+  "Datenschnappschuss mit eigener Kennung arbeitet. Nur so ist ein Ergebnis später "
+  "reproduzierbar — und im Streitfall belegbar.",
+ "{ref:sec:praxisfallen-architektur-einer-produktionsreifen-or-plattform}"),
+
+("Solver-Status", "Solver-Status",
+  "Rückgabewert, mit dem ein Solver das Ergebnis einordnet: `OPTIMAL` (bewiesen "
+  "optimal), `FEASIBLE` (zulässig, aber unbewiesen), `INFEASIBLE` (keine zulässige "
+  "Lösung), `UNBOUNDED` (Zielwert unbeschränkt) und `UNKNOWN` (Abbruch ohne Aussage). "
+  "Ihn ungeprüft zu übergehen ist die häufigste Fehlerquelle im produktiven Einsatz.",
+ "[Notation und Abkürzungen](01_Notation_und_Abkuerzungen.md)"),
+
+("Starker Dualitätssatz", "Starker Dualitätssatz",
+  "Aussage, dass primales und duales Problem im Optimum denselben Zielfunktionswert "
+  "besitzen — bei linearen Programmen immer, sobald beide lösbar sind. Er macht den "
+  "Dualwert zu einem belastbaren Preis statt zu einer bloßen Schranke.",
+ "{ref:sec:lp-dualitaet-und-schattenpreise}"),
+
+("Stichproben-Kovarianzmatrix", "Stichproben-Kovarianzmatrix",
+  "Aus historischen Daten geschätzte Kovarianzmatrix. Bei weniger Beobachtungen als "
+  "Titeln ist sie singulär und damit nicht invertierbar; schon bei ähnlicher "
+  "Größenordnung wird sie extrem instabil.",
+ "{ref:sec:finanzdaten-das-schaetzfehler-problem}"),
+
+("Stochastische Programmierung", "Stochastische Programmierung",
+  "Optimierung unter Unsicherheit mit bekannten Wahrscheinlichkeiten. In der "
+  "zweistufigen Form wird zwischen Entscheidungen vor und nach der Beobachtung "
+  "unterschieden — genau der Unterschied, den der Fluch des Durchschnitts einebnet.",
+ "{ref:sec:unsicherheit-zweistufige-stochastische-programmierung}"),
+
+("Strafkosten", "Strafkosten",
+  "Kosten, mit denen die Verletzung einer weichen Bedingung in der Zielfunktion belegt "
+  "wird. Ihre Höhe ist eine Modellierungsentscheidung: Sie legt fest, wie viel "
+  "Regelverstoß was wert ist.",
+ "{ref:sec:einfuehrung-die-vier-universellen-bausteine-jedes-or}"),
+
+("Subadditivität", "Subadditivität",
+  "Eigenschaft $\\rho(A+B) \\le \\rho(A)+\\rho(B)$: Diversifikation darf das Risiko nicht "
+  "erhöhen. Der VaR verletzt sie, weshalb er kein kohärentes Risikomaß ist.",
+ "{ref:sec:cvar-value-at-risk-und-conditional-value}"),
+
+("Subtour", "Subtour",
+  "Kurzzyklus, der nur einen Teil der Knoten enthält und das Depot umgeht. Ohne eigene "
+  "Bedingungen — etwa MTZ — liefert ein Tourenmodell solche Gebilde als scheinbar "
+  "optimale Lösung.",
+ "{ref:sec:graphen-das-vehicle-routing-problem-mit-zeitfenstern}"),
+
+("Survivorship-Bias", "Survivorship-Bias",
+  "Verzerrung durch die Auswahl nur derjenigen Titel, die es bis heute gibt. Die "
+  "ausgeschiedenen fehlen — und mit ihnen die schlechtesten Verläufe.",
+ "{ref:sec:handelsmaschine-die-fuenf-selbsttaeuschungen-des-backtestens}"),
+
+("Symmetriebrechung", "Symmetriebrechung",
+  "Zusätzliche Ordnungsbedingungen, die verhindern, dass der Solver gleichwertige "
+  "Vertauschungen mehrfach durchsucht. Bei identischen Maschinen oder Fahrzeugen oft "
+  "der größte einzelne Laufzeitgewinn.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Tabu-Suche", "Tabu-Suche",
+  "Metaheuristik, die zuletzt besuchte Lösungen für einige Schritte sperrt. Die "
+  "Sperrliste zwingt die Suche aus lokalen Optima heraus, statt zwischen zwei Nachbarn "
+  "zu pendeln.",
+ "{ref:sec:metaheuristiken-abgrenzung}"),
+
+("Tangentialportfolio", "Tangentialportfolio",
+  "Portfolio auf der Effizienzgrenze mit der höchsten Sharpe Ratio — der Berührpunkt "
+  "der Kapitalmarktlinie. Es reagiert besonders empfindlich auf Renditeschätzfehler.",
+ "{ref:sec:markowitz-das-mean-variance-modell}"),
+
+("Technologiematrix", "Technologiematrix",
+  "Die Matrix $\\mathbf{A}$ der Verbrauchskoeffizienten. Ihr Eintrag $a_{ij}$ sagt, wie "
+  "viel von Ressource $i$ eine Einheit von Aktivität $j$ verbraucht. Zusammen mit dem "
+  "Kapazitätsvektor $\\mathbf{b}$ bildet sie die Nebenbedingungen $\\mathbf{A}\\mathbf{x} "
+  "\\le \\mathbf{b}$.",
+ "{ref:sec:fundament-warum-ueberhaupt-vektoren-und-matrizen}"),
+
+("Totale Unimodularität", "Totale Unimodularität",
+  "Eigenschaft einer Matrix, bei der jede quadratische Teilmatrix die Determinante $0$, "
+  "$+1$ oder $-1$ hat. Folge: Alle Ecken des Polyeders sind ganzzahlig — Ganzzahligkeit "
+  "muss gar nicht gefordert werden.",
+ "{ref:sec:graphen-bipartites-matching-das-zuordnungsproblem}"),
+
+("Transaktionskosten", "Transaktionskosten",
+  "Beim Umschichten anfallende Kosten aus Gebühren, Spread und Marktauswirkung. Über "
+  "eine $L_1$-Strafe modellierbar, die zugleich den Turnover begrenzt.",
+ "{ref:sec:cvar-transaktionskosten-ueber-die-l-1-norm}"),
+
+("Trickle Flow", "Trickle Flow",
+  "Fehlerbild bei zu großem $M$: Ein verschwindend kleiner Schaltwert — etwa $4 \\cdot "
+  "10^{-8}$ — gilt dem Solver als null, lässt aber multipliziert mit einem riesigen $M$ "
+  "einen großen Fluss durch. Das Lager liefert, ohne offiziell geöffnet zu sein, und "
+  "die Fixkosten fehlen in der Rechnung.",
+ "{ref:sec:loesungen-milp}"),
+
+("TSP (Traveling Salesperson Problem)", "TSP (Traveling Salesperson Problem)",
+  "Suche nach der kürzesten Rundreise durch $n$ Orte. Das bekannteste NP-schwere "
+  "Problem und der Ausgangspunkt aller Tourenmodelle.",
+ "{ref:sec:graphen-das-vehicle-routing-problem-mit-zeitfenstern}"),
+
+("Turnover (Umschlag)", "Turnover (Umschlag)",
+  "Summe der absoluten Gewichtsänderungen einer Umschichtung. Die Größe, an der "
+  "Transaktionskosten hängen — und die Kennzahl, mit der man Rebalancing-Regeln "
+  "vergleicht.",
+ "{ref:sec:cvar-transaktionskosten-ueber-die-l-1-norm}"),
+
+("TWAP", "TWAP",
+  "*Time-Weighted Average Price* — Ausführungsstrategie, die eine Order gleichmäßig "
+  "über die Zeit verteilt. Einfache Vergleichsgröße für jede optimierte Ausführung.",
+ "{ref:sec:dynamische-programmierung-das-almgren-chriss-problem-optimale-orderausfuehrung}"),
+
+("Umrüstkosten", "Umrüstkosten (Modellierungsmuster)",
+  "Kosten, die beim Wechsel zwischen zwei Produkten anfallen. Sie hängen vom Vorgänger "
+  "ab und erzwingen deshalb Binärvariablen über Paare statt über einzelne Aufträge.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Unbounded", "Unbounded (Fehlerbild)",
+  "Zustand, in dem der Zielwert unbeschränkt verbessert werden kann. Fast immer ein "
+  "Modellfehler — eine fehlende Kapazitätsgrenze oder ein vergessenes Vorzeichen —, "
+  "nicht ein besonders gutes Ergebnis.",
+ "{ref:anhang:fehlerdiagnose}"),
+
+("Ungarischer Algorithmus", "Ungarischer Algorithmus",
+  "Kombinatorisches Verfahren für das Zuordnungsproblem mit polynomialer Laufzeit. Es "
+  "löst exakt, was als allgemeines MILP deutlich teurer wäre.",
+ "{ref:sec:graphen-zusammenfassung}"),
+
+("Unsicherheitsmenge", "Unsicherheitsmenge",
+  "Vorab definierter Bereich möglicher Parameterwerte, gegen dessen ungünstigstes "
+  "Element eine robuste Lösung abgesichert wird. Ihre Größe steuert unmittelbar den "
+  "Preis der Robustheit.",
+ "{ref:sec:unsicherheit-robuste-optimierung-gegen-den-worst-case}"),
+
+("Value at Risk (VaR)", "Value at Risk (VaR)",
+  "Verlustschwelle, die mit vorgegebener Wahrscheinlichkeit nicht überschritten wird. "
+  "Sie sagt nichts über die Verlusthöhe dahinter und ist nicht subadditiv — beides "
+  "Gründe für den Übergang zum CVaR.",
+ "{ref:sec:cvar-value-at-risk-und-conditional-value}"),
+
+("Vehicle Routing Problem (VRP)", "Vehicle Routing Problem (VRP)",
+  "Verallgemeinerung des TSP auf mehrere Fahrzeuge mit Depot und Kapazitätsgrenzen. In "
+  "der Variante mit Zeitfenstern (VRPTW) ist es der praktische Standardfall der "
+  "Tourenplanung. Sich kreuzende Touren sind hier kein Fehler: Die Zeitfenster können "
+  "die Reihenfolge erzwingen.",
+ "{ref:sec:graphen-das-vehicle-routing-problem-mit-zeitfenstern}"),
+
+("Verhältnis-Bedingung", "Verhältnis-Bedingung",
+  "Anforderung der Art „höchstens 30 % aus einer Quelle“. Sie wird linear, sobald man "
+  "sie als $x_i \\le 0{,}3 \\sum_j x_j$ schreibt statt als Bruch.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Volatilität", "Volatilität",
+  "Standardabweichung der Renditen, üblicherweise auf ein Jahr skaliert. Sie misst "
+  "Schwankung in beide Richtungen und behandelt Gewinne damit wie Verluste.",
+ "{ref:sec:finanzdaten-diskrete-und-logarithmische-renditen}"),
+
+("Vorrangbeziehung", "Vorrangbeziehung",
+  "Bedingung „Aktivität A muss vor Aktivität B abgeschlossen sein“, formuliert als "
+  "$\\text{Ende}_A \\le \\text{Start}_B$. Der Grundbaustein jeder Ablaufplanung.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Walk-Forward-Backtest", "Walk-Forward-Backtest",
+  "Rollierende Auswertung, bei der Parameter stets nur auf Vergangenheitsdaten "
+  "geschätzt und auf dem unmittelbar folgenden Zeitraum getestet werden. Die einzige "
+  "Backtest-Bauform, die Lookahead strukturell ausschließt.",
+ "{ref:sec:handelsmaschine-die-engine}"),
+
+("Warm-Start", "Warm-Start",
+  "Übergabe einer bekannten Lösung als Startpunkt. Bei wiederholten, ähnlichen Läufen — "
+  "etwa täglicher Neuplanung — oft der größte Zeitgewinn überhaupt.",
+ "{ref:sec:milp-gap}"),
+
+("Weiche Grenze mit Strafkosten", "Weiche Grenze mit Strafkosten",
+  "Modellierungsmuster, das eine Schranke überschreitbar macht und die Überschreitung "
+  "über eine Schlupfvariable in der Zielfunktion bepreist. So bleibt das Modell lösbar "
+  "und zeigt trotzdem, wo es klemmt.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Wurzel-Zeit-Regel", "Wurzel-Zeit-Regel",
+  "Skalierung der Volatilität mit $\\sqrt{T}$. Sie gilt streng nur für "
+  "Standardabweichungen unabhängiger Größen ohne Drift — für VaR und CVaR ist sie "
+  "lediglich eine grobe Näherung.",
+ "{ref:sec:cvar-implementierung-cvar-portfolio-mit-reibung}"),
+
+("Zielfunktion", "Zielfunktion",
+  "Der zu minimierende oder maximierende Ausdruck, der die Entscheidungsvariablen zu "
+  "einer einzigen Bewertungszahl verdichtet. Ihre Formulierung entscheidet, was das "
+  "Modell überhaupt für gut hält.",
+ "{ref:sec:einfuehrung-die-vier-universellen-bausteine-jedes-or}"),
+
+("Zufallsmatrizentheorie", "Zufallsmatrizentheorie",
+  "*Random Matrix Theory* — Theorie der Eigenwertverteilung zufälliger Matrizen. Sie "
+  "liefert den Maßstab dafür, welche Struktur in einer geschätzten Kovarianzmatrix echt "
+  "ist und welche bloßes Rauschen.",
+ "{ref:sec:finanzdaten-das-schaetzfehler-problem}"),
+
+("Zulässiger Bereich (Feasible Region)", "Zulässiger Bereich",
+  "Menge aller Punkte, die sämtliche Nebenbedingungen gleichzeitig erfüllen. Ist sie "
+  "leer, ist das Modell unlösbar; ist sie unbeschränkt, kann der Zielwert entgleiten.",
+ "{ref:anhang:literatur}"),
+
+("Zuordnungsproblem", "Zuordnungsproblem (1:1)",
+  "Eins-zu-eins-Zuordnung zweier gleich großer Mengen mit minimalen Kosten. Dank "
+  "totaler Unimodularität schon als LP ganzzahlig lösbar.",
+ "{ref:anhang:modellierungsmuster}"),
+
+("Zustandslosigkeit", "Zustandslosigkeit (OR-Plattform)",
+  "Betriebsprinzip, nach dem der rechnende Dienst keinen Zustand hält: Eingabe und "
+  "Ausgabe sind Daten. Das macht Skalierung und Wiederholung trivial.",
+ "{ref:sec:praxisfallen-architektur-einer-produktionsreifen-or-plattform}"),
+
+("Zustandsraum", "Zustandsraum",
+  "Menge aller Zustände, die ein mehrstufiges Entscheidungsproblem annehmen kann. Seine "
+  "Größe entscheidet, ob dynamische Programmierung praktikabel ist.",
+ "{ref:sec:dynamische-programmierung-der-fluch-der-dimensionalitaet}"),
+
+("Zwei-Phasen-Simplex-Methode", "Zwei-Phasen-Simplex-Methode",
+  "Vorgehen, um überhaupt eine erste zulässige Ecke zu finden. Phase 1 minimiert mit "
+  "Hilfsvariablen die Verletzung der Nebenbedingungen; bleibt dabei ein Rest, ist das "
+  "Modell unlösbar. Erst Phase 2 optimiert die eigentliche Zielfunktion.",
+ "{ref:sec:loesungen-lp}"),
+
+("Zweischichtige Architektur", "Zweischichtige Architektur",
+  "Trennung in eine Modellierungsschicht, in der man das Problem mathematiknah "
+  "formuliert, und eine Solver-Schicht aus hochoptimierten C++-Bibliotheken. Man "
+  "schreibt Optimierungsalgorithmen im modernen OR nicht selbst.",
+ "{ref:sec:oekosystem-die-zwei-schichten-architektur}"),
+
+("DTO (Data Transfer Object)", "",
+  "Schlichtes Objekt, das nur Daten transportiert und keine Logik enthält. Im Buch "
+  "trägt die `Loesung`-Klasse in `or_kern.py` das Ergebnis eines Solverlaufs so aus der "
+  "Rechenschicht heraus.",
+ "{ref:sec:oekosystem-ein-system-vier-programmieransaetze}"),
+
+("GIL (Global Interpreter Lock)", "",
+  "Sperre des CPython-Interpreters, die verhindert, dass zwei Threads gleichzeitig "
+  "Python-Code ausführen. Sie ist der Grund, warum echte Parallelität in Python über "
+  "Prozesse statt Threads läuft — Solver umgehen sie, weil sie in C++ rechnen.",
+ "[Notation und Abkürzungen](01_Notation_und_Abkuerzungen.md)"),
+
+("GLOP", "",
+  "*Google Linear Optimization Package* — der LP-Solver in OR-Tools. Er löst rein "
+  "kontinuierliche Probleme; sobald Ganzzahligkeit ins Spiel kommt, übernimmt CP-SAT "
+  "oder ein MILP-Backend.",
+ "[Notation und Abkürzungen](01_Notation_und_Abkuerzungen.md)"),
+
+("MAPE", "",
+  "*Mean Absolute Percentage Error* — mittlerer absoluter prozentualer Prognosefehler. "
+  "Beliebt, weil einheitenfrei, aber unbrauchbar bei Werten nahe null.",
+ "{ref:sec:prognose-naht}"),
+
+("Matplotlib", "",
+  "Standardbibliothek für statische Diagramme in Python. Im Buch erzeugt sie alle "
+  "Abbildungen der Druckfassung; die interaktiven Fassungen der Website stammen von "
+  "Plotly.",
+ "{ref:sec:oekosystem-die-werkzeuge-im-vergleich}"),
+
+("MIQP", "",
+  "*Mixed-Integer Quadratic Programming* — quadratische Zielfunktion mit ganzzahligen "
+  "Variablen. Der Fall, der entsteht, sobald ein Portfoliomodell eine Obergrenze für "
+  "die Zahl der Titel bekommt.",
+ "[Notation und Abkürzungen](01_Notation_und_Abkuerzungen.md)"),
+
+("MSE", "",
+  "*Mean Squared Error* — mittlerer quadratischer Fehler. Das Standardmaß der "
+  "Prognosegüte; es bestraft große Abweichungen überproportional und ist nicht dasselbe "
+  "wie geringe Entscheidungskosten.",
+ "[Notation und Abkürzungen](01_Notation_und_Abkuerzungen.md)"),
+
+("NumPy", "",
+  "Grundbibliothek für numerisches Rechnen in Python. Sie liefert das Array, mit dem "
+  "Vektoren und Matrizen eines Modells überhaupt erst kompakt und schnell aufgebaut "
+  "werden können.",
+ "{ref:sec:oekosystem-die-werkzeuge-im-vergleich}"),
+
+("pandas", "",
+  "Bibliothek für tabellarische Daten mit Zeit- und Beschriftungsindex. Im Buch der "
+  "übliche Weg von Roh- zu Modelldaten, besonders in den Finanzkapiteln.",
+ "{ref:sec:oekosystem-die-werkzeuge-im-vergleich}"),
+
+("Plotly", "",
+  "Bibliothek für interaktive Diagramme im Browser. Die Website des Buchs bindet damit "
+  "Gantt-Diagramme, Effizienzlinien und Pareto-Fronten zum Zoomen und Erkunden ein.",
+ "{ref:sec:oekosystem-die-werkzeuge-im-vergleich}"),
+
+("pydantic", "",
+  "Bibliothek zur Validierung von Datenstrukturen anhand von Typannotationen. Im Buch "
+  "prüft sie die Eingaben des Optimierungsdienstes, bevor ein Modell überhaupt gebaut "
+  "wird.",
+ "{ref:sec:oekosystem-die-werkzeuge-im-vergleich}"),
+
+("pymoo", "",
+  "Bibliothek für mehrkriterielle Optimierung mit evolutionären Verfahren. Sie liefert "
+  "Pareto-Fronten dort, wo sich die Ziele nicht sinnvoll skalarisieren lassen.",
+ "{ref:sec:oekosystem-die-werkzeuge-im-vergleich}"),
+
+("scikit-learn", "",
+  "Bibliothek für maschinelles Lernen. Im Buch für Prognosemodelle und für die "
+  "Ledoit-Wolf-Shrinkage der Kovarianzmatrix eingesetzt.",
+ "{ref:sec:oekosystem-die-werkzeuge-im-vergleich}"),
+
+("SciPy", "",
+  "Wissenschaftliche Standardbibliothek von Python. Ihr Teilmodul `scipy.optimize` "
+  "enthält mit `linprog`, `milp` und `minimize` die Einstiegswerkzeuge für lineare, "
+  "ganzzahlige und nichtlineare Optimierung.",
+ "{ref:sec:oekosystem-die-werkzeuge-im-vergleich}"),
+
+("yfinance", "",
+  "Bibliothek zum Abruf historischer Kursdaten. Die einzige Abhängigkeit des Buchs, die "
+  "eine Internetverbindung braucht — vier Programme nutzen sie.",
+ "{ref:sec:oekosystem-die-werkzeuge-im-vergleich}"),
+
+("LP-Relaxation", "LP-Relaxation",
+  "Das ganzzahlige Modell ohne die Ganzzahligkeitsforderung. Ihre Lösung ist schnell zu "
+  "berechnen und liefert eine Schranke: Besser als der Relaxationswert kann die "
+  "ganzzahlige Lösung nicht werden. Genau darauf beruht das Abschneiden im "
+  "Branch-and-Bound.",
+ "{ref:sec:milp-branch-and-bound}"),
+
+("SCIP", "SCIP",
+  "Akademischer Solver für gemischt-ganzzahlige lineare und nichtlineare Programme, "
+  "über OR-Tools und Pyomo ansprechbar. Für Forschung und Lehre frei nutzbar; "
+  "kommerzieller Einsatz verlangt eine eigene Lizenz.",
+ "{ref:sec:milp-branch-and-bound}"),
+
+("Falsche Dualwerte", "Falsche Dualwerte (Fehlerbild)",
+  "Fehlerbild, bei dem Schattenpreise unplausibel wirken. Zwei Ursachen dominieren: "
+  "Entartung macht sie mehrdeutig, und ganzzahlige Modelle haben streng genommen gar "
+  "keine Dualwerte — was ein MILP-Solver zurückgibt, gehört zur Relaxation des letzten "
+  "Knotens.",
+ "{ref:anhang:fehlerdiagnose}"),
+
+("Importfehler zwischen ortools und highspy", "Importfehler (ortools und highspy)",
+  "Absturz beim Import beider Bibliotheken im selben Prozess: Sie bringen je eine "
+  "eigene HiGHS-Kopie mit, deren C++-Symbole kollidieren. Abhilfe ist die Trennung in "
+  "getrennte Prozesse — CVXPY zieht ein installiertes `highspy` dabei ungefragt mit "
+  "hinein.",
+ "{ref:anhang:fehlerdiagnose}"),
+
+("Instabile Lösung", "Instabile Lösung (Fehlerbild)",
+  "Fehlerbild, bei dem winzige Datenänderungen die Lösung völlig umwerfen. Meist eine "
+  "Folge schlechter Konditionierung; die Konditionszahl zeigt es an, die "
+  "Ruiz-Equilibrierung behebt es.",
+ "{ref:anhang:fehlerdiagnose}"),
+
+("Laufzeitexplosion", "Laufzeitexplosion (Fehlerbild)",
+  "Fehlerbild, bei dem ein Modell nach einer kleinen Erweiterung nicht mehr fertig "
+  "rechnet. Häufige Ursachen sind ein zu großes $M$, fehlende Symmetriebrechung und "
+  "eine schwache Relaxation.",
+ "{ref:anhang:fehlerdiagnose}"),
+
+("Unsinniges Ergebnis", "Unsinniges Ergebnis (Fehlerbild)",
+  "Fehlerbild, bei dem der Solver zwar `OPTIMAL` meldet, die Lösung aber offensichtlich "
+  "unbrauchbar ist. Dann ist nicht die Rechnung falsch, sondern das Modell: Es "
+  "beschreibt eine andere Wirklichkeit als die gemeinte.",
+ "{ref:anhang:fehlerdiagnose}"),
+
+("Verdächtig guter Backtest", "Verdächtig guter Backtest (Fehlerbild)",
+  "Fehlerbild der Finanzkapitel: eine Strategie, die im Rückblick zu gut abschneidet. "
+  "Die Prüfreihenfolge lautet Lookahead, Survivorship, Kosten, Data Snooping — in "
+  "dieser Reihenfolge, weil sie nach Häufigkeit sortiert ist.",
+ "{ref:anhang:fehlerdiagnose}"),
+
+("Vertauschte Spalten", "Vertauschte Spalten (Fehlerbild)",
+  "Fehlerbild, bei dem Daten und Modell unterschiedliche Reihenfolgen annehmen. Es "
+  "rechnet widerspruchsfrei und liefert dennoch Unsinn — deshalb gehört die "
+  "Spaltenreihenfolge abgesichert, nicht angenommen.",
+ "{ref:anhang:fehlerdiagnose}"),
+
+("Widersprüchliche Solver", "Widersprüchliche Solver (Fehlerbild)",
+  "Fehlerbild, bei dem zwei Solver verschiedene Lösungen melden. Bei gleichem Zielwert "
+  "sind es Alternativoptima und beide haben recht; bei verschiedenem Zielwert liegt ein "
+  "Modell- oder Toleranzproblem vor.",
+ "{ref:anhang:fehlerdiagnose}"),
+
+]
diff --git a/PROGRESS.md b/PROGRESS.md
index 7bb3b32..0a945d2 100644
--- a/PROGRESS.md
+++ b/PROGRESS.md
@@ -2349,6 +2349,37 @@ einbuchstabige Überschriften; der Index bleibt bei 631 Einträgen.
 Kosten: PDF von 759 auf **772 Seiten**. Jede Definition hat zwei bis drei Sätze, alphabetisch
 nach deutschem Alphabet mit Umlauten als Grundbuchstabe.
 
+**Nachgereicht: ein Build-Kommando.** Der Erzeuger lag zunächst als Wegwerfskript außerhalb
+des Repositorys — genau die Falle, die in diesem Projekt schon zweimal zugeschnappt ist
+(`web_04/`, `titeltexte_04.py`). Jetzt gilt:
+
+```bash
+python3 Operations_Research_mit_Python_Version_04/erzeuge_glossar_04.py
+python3 .../erzeuge_glossar_04.py --check     # nur pruefen
+```
+
+Die Einträge stehen in `glossar_eintraege_04.py` als Viertupel *(Anzeigename, Indexmarke,
+Definition, Verweisziel)*. Das **Verweisziel ist eingefroren, nicht berechnet**: Die erste
+Fundstelle eines Begriffs ist oft nicht die erklärende, und ein Automatismus hätte diese
+Entscheidung jedes Mal neu und jedes Mal gleich falsch getroffen.
+
+Drei Prüfungen, alle gegen das Buch statt gegen eine Annahme: Jede Indexmarke muss dort
+buchstabengetreu vorkommen, jedes `{ref:}`-Ziel muss existieren, kein Verweis darf auf das
+Glossar selbst zeigen. Dazu die Handänderungs-Erkennung nach dem Muster von
+`spiegle_statische_assets()`: Ist die `.md` neuer als ihre Quelle und weicht ab, bricht der
+Lauf ab und nennt die Quelle, statt die Arbeit still zu überschreiben.
+
+**Ein Zwischenfall beim Einbau, der die Prüfung verbessert hat:** Die erste Fassung meldete 24
+angebliche Tippfehler. Es waren keine — es sind die Begriffe, die im ganzen Buch *nur* im
+Glossar indexiert sind (`Rebalancing`, `Volatilität`, `Solver-Status` …). Automatisch ist das
+von einem Tippfehler nicht zu unterscheiden, also stehen sie jetzt ausdrücklich in
+`NUR_IM_GLOSSAR`. Wer künftig einen Begriff mit unbekannter Marke aufnimmt, muss sich
+entscheiden — Schreibweise korrigieren oder bewusst eintragen.
+
+Der Beleg, dass der Erzeuger die Handarbeit exakt trifft: Er schreibt die vorhandene Datei
+**byte-identisch** neu. `build_version_04.py --check` ruft ihn mit auf, damit eine veraltete
+Fassung nicht erst auffällt, wenn jemand den Erzeuger zufällig startet.
+
 ---
 
 ## 8. Commit-Historie des V04-Strangs
diff --git a/README.md b/README.md
index 2ea5f76..92e1c11 100644
--- a/README.md
+++ b/README.md
@@ -148,6 +148,9 @@ python3 Operations_Research_mit_Python_Version_04/build_version_04.py --pdf --ht
 # Beispielprogramme aus den Kapiteln extrahieren
 python3 Operations_Research_mit_Python_Version_04/extract_programme_04.py
 
+# Glossar (Anhang E) aus seiner Eintragsliste erzeugen
+python3 Operations_Research_mit_Python_Version_04/erzeuge_glossar_04.py
+
 # ein Diagramm neu erzeugen (braucht die Gruppe [figures], teils 'dot')
 python3 bilder_04/erzeuge_kondition.py
 ```