operations_research/PLAN.md

PLAN — Optimierte Entscheidungsfindung mit Python, Version 04

Zweck dieser Datei: Sie hält den vollständigen Umbauplan von Version 03 zu Version 04 fest, mit allen Phasen, Konventionen und Prüfschritten — unabhängig davon, wie weit die Arbeit gediehen ist. Was davon bereits erledigt ist, steht in PROGRESS.md.

Arbeitsteilung der beiden Planungsdateien

Datei	Inhalt	ändert sich
PLAN.md (diese Datei)	das Ziel und der Weg dorthin	selten — nur bei Kurswechsel
PROGRESS.md	der erreichte Stand, mit Zahlen und Funden	nach jedem Arbeitsschritt

Beide liegen im Repo-Wurzelverzeichnis, nicht im Kapitelverzeichnis: Sie regieren sechs Verzeichnisse, nicht nur die Kapitelquellen, und stehen dort neben CLAUDE.md, das als einzige Datei von jeder neuen Sitzung automatisch gelesen wird und auf sie verweist.

Die frühere Operations_Research_mit_Python_Version_04/ARBEITSPLAN.md ist am 7. September 2026 in diesen beiden Dateien aufgegangen und wurde gelöscht (Commit-Historie bewahrt sie auf). Eine Sache an zwei Stellen zu pflegen ist genau der Fehler, an dem in diesem Projekt schon einmal Buch und Programme-Verzeichnis auseinandergelaufen sind.

Stand des Plans: 7. September 2026 · Branch main · Version 03 bleibt unangetastet und weiter baubar; Version 04 ist ein paralleler Strang.

---

1. Warum es Version 04 gibt

Grundlage ist die Rezension in Kritik_und_Verbesserungsvorschlaege/Kritik.md. Sie benennt drei Schwächen von Version 03:

1. den steilen thematischen Bruch zwischen Logistik (Teil II/III) und Finanzmärkten (Teil IV),
2. die hohe mathematische und architektonische Einstiegshürde,
3. die Lücke bei Metaheuristiken und nicht-konvexer Optimierung.

Version 03 ist ein fachlich starkes, aber akademisch getaktetes Kompendium (22 Dateien, ~13 650 Zeilen, 42 Beispielprogramme). Version 04 baut es vom Nachschlagewerk zum Kursbegleiter um: Die Teilnehmer sollen schnelle, messbare Erfolge erleben und die Verfahren am nächsten Arbeitstag anwenden können.

Die drei Leitprinzipien

1. Time-to-First-Success minimieren — ein lauffähiges Aha-Erlebnis vor der formalen Theorie.
2. Kognitive Entlastung — Formeln konsequent in Klartext, Alltagssprache und Geometrie übersetzen.
3. Robuste Praxistauglichkeit — Typsicherheit, echte Datenpipelines, ehrliches Debugging statt idealisierter Beispiele.

Getroffene Grundsatzentscheidungen

Frage	Entscheidung
Bilder	eigenes bilder_04/, damit V03 eingefroren bleibt
Fremdbibliotheken	polars, pyomo, linopy, pymoo, celery, cvxpylayers installiert — die Programme laufen wirklich. Ipopt/CyIpopt und Redis/Docker bleiben illustrativ mit dokumentiertem Fallback
Notebooks	lokal in Notebooks_04/, Colab-Link aus einer Konstanten COLAB_BASIS_URL in build_version_04.py
Plotly	zweigleisig: Matplotlib/Graphviz bleibt PDF-Quelle, Plotly zusätzlich in die Website eingebettet
Nicht ausführbare Inhalte	ausdrücklich als solche kennzeichnen (z. B. MINLP/Ipopt) statt Ausgaben zu erfinden

---

2. Zielstruktur

22 → 29 Textdateien. Neue Kapitel fett. Kapitelnummern entstehen automatisch aus {#kap:label}, Querverweise laufen über {ref:...}, Abschnittsnummern vergibt der Build — Einfügen ist daher an keiner Stelle mit Handarbeit verbunden.

Teil	Kapitel
I Grundlagen	1 Einführung · 2 Fundament · 3 Python-Ökosystem · 4 Vom Management-Wunsch zum Modell
II Kernverfahren	Entscheidungs-Flussdiagramm · 5 LP · 6 MILP · 7 CP-SAT · 8 Graphen/Touren · 9 Metaheuristiken
III Nichtlinearität/Unsicherheit	Entscheidungs-Flussdiagramm · 10 QP/NLP/MINLP · 11 Unsicherheit · 12 Dynamische Programmierung · 13 Mehrziel & Pareto
IV Brücke & Vertiefung	14 Strukturbrücke Logistik ↔ Finance · 15 Predict-then-Optimize · 16 Supply-Chain & Energieeinsatz unter Unsicherheit
V Finanzmärkte (Vertiefung)	17 Finanzdaten · 18 Markowitz · 19 CVaR · 20 Handelsmaschine
VI Praxis	21 Praxisfallen · 22 Testing, Benchmarking, Deployment · Projektwerkstatt
Anhänge	A Lösungen · B Modellierungsmuster · C Fehlerdiagnose & IIS · D Spickzettel · E Glossar/Literatur

Teil V (Finanzmärkte) wird im Vorwort und im Teil-Auftakt ausdrücklich als spezialisierte Vertiefungsdomäne gekennzeichnet; Kapitel 16 ist die gleichwertige Nicht-Finanz-Alternative mit denselben Werkzeugen.

Verzeichnisse

Operations_Research_mit_Python_Version_04/            Quelle: Kapiteldateien + Build-Skripte
Operations_Research_mit_Python_Version_04_Programme/  generiert: Beispielprogramme
Notebooks_04/                                         generiert: ein .ipynb je Kapitel
bilder_04/                                            Quelle: Diagramme + Generatorskripte
OR_HTML_04/                                           generiert: Mehrseiten-Website
Operations_Research_mit_Python_Version_04.md / .pdf   generiert

---

3. Phase 0 — Infrastruktur

Voraussetzung für alles Weitere; wird zuerst und vollständig abgeschlossen.

build_version_04.py — Fork von build_version_03.py mit vier Eingriffen; alles andere bleibt identisch:

1. Pfadkonstanten zentralisieren. Ein Versionsblock am Dateikopf: ZIEL_MD, PDF_DATEINAME, PROGRAMME_VERZ, BUILD_BASISNAME, BILDER_NAME/VERZ, HTML_NAME/VERZ, NOTEBOOK_NAME/VERZ, COLAB_BASIS_URL.
2. Bildpfade. V04-Markdown referenziert bilder_04/…. Fürs PDF löst Pandoc relativ zum Repo-Wurzelverzeichnis auf; für die Website spiegelt spiegle_bilder() das Verzeichnis nach OR_HTML_04/.
3. Automatische Abschnittsnummerierung. nummeriere_abschnitte() vergibt ## 5.4 Titel (im Anhang ## C.4 Titel) beim Bauen; ABSCHNITT_RE erwartet im Quelltext keine Nummer mehr. Analog in baue_seiten_registry() / resolve_numbering_seite(). Ohne diesen Eingriff zöge jedes eingefügte Kapitel Handarbeit in allen Folgekapiteln nach sich.
4. Neue Bausteine. resolve_plotly() + kopiere_plotly_bibliothek() (Plotly-Fragmente in die Kapitelseiten einbetten, im PDF statischer Ersatz), baue_notebooks() + ergaenze_notebook_hinweis() + spiegle_notebooks(), erweitertes markiere_karten() für die neuen Kartentypen, KEINE_KAPITELDATEIEN.

extract_programme_04.py — Fork von extract_programme.py, nur ZIEL_DIR/HIER und die README-Vorlage umgestellt. Extraktionsmuster (#!/usr/bin/env python3, Leerzeile, # Name.py) bleibt unverändert.

OR_HTML_04/assets/site.css — neue Boxklassen für 5-Minuten-Box, Formel-Übersetzer, Excel-Brücke, Micro-Quiz und Denkfehler-Aufgabe.

Abschluss: --check, --pdf und --html laufen mit inhaltlich unverändertem V03-Text sauber durch. Erst dann beginnt inhaltliche Arbeit.

---

4. Phase 1 — Didaktik-Layer über alle bestehenden Kapitel

Pro Kapitel, in Lesereihenfolge, jeweils dieselben Bausteine (siehe Abschnitt 8):

• „In 5 Minuten gelöst“ als erster Abschnitt: 4–6 Zeilen Daten, ≤ 15 Zeilen Code, betriebswirtschaftlich sofort lesbares Ergebnis — danach erst „Warum funktioniert das?“.
• Formel-Übersetzer-Tabellen (zweispaltig Mathematik | Alltagssprache) an jeder zentralen Formel; die bestehenden „Lesehilfe“-Blöcke gehen darin auf.
• Micro-Quiz (genau 3 Multiple-Choice-Fragen) und „Finde den Denkfehler“ (lauffähiger Code mit betriebswirtschaftlich unsinnigem Ergebnis: >= statt <=, vergessene Ganzzahligkeit, Big-M zu klein, Zirkelbezug) je Kapitelende; Lösungen nach Anhang A.
• Notebook-Badge im „Kapitel auf einen Blick“-Block.

Kapitelspezifische Ergänzungen

Kapitel	Ergänzung
1 Einführung	Excel-zu-Python-Brücke: Excel-Solver-Modell Zelle für Zelle übersetzt, pandas.read_excel() → Modell → formatierter Export
2 Fundament	Numerik-Deep-Dive: Konditionszahl \kappa(A) als Experiment (Kosten 10^7 gegen Toleranzen 10^{-6} → falsches INFEASIBLE), Ruiz-Equilibrierung, Geometrie vor Algebra
3 Ökosystem	Pyomo/Linopy im Vergleich zu CVXPY/OR-Tools; vektorisierte Modellgenerierung (NumPy, Polars) gegen for-Schleifen gebenchmarkt; wiederverwendbare Excel-/CSV-Pipeline
4 LP	Primal-/Dual-/Integralitätstoleranzen, Degeneriertheit als Vorschau auf Anhang C
5 MILP	MIP-Gap, Time-Limit, Warm-Starts (SetHint/highspy), warum 0.99999998 nicht int() verträgt
6 CP-SAT	vollständige Statusauswertung, interaktives Gantt (Plotly)
Teil-Auftakte II und III	Entscheidungs-Flussdiagramm „Welcher Solver passt zu meinem Problem?“ (Graphviz)

---

5. Phase 2 — Code-Architektur auf Enterprise-Niveau

Neues gemeinsames Modul or_kern.py im Programme-Verzeichnis (folgt dem Extraktionsmuster, wird also mitgeneriert) — der greifbare Beleg für Clean Architecture:

Rohdaten (Excel/CSV)
    → Domänenmodell (Pydantic, geprüft)
        → Modellbauer (solverabhängig)
            → Lösung (DTO, solverunabhängig)
                → Abnahmeprüfung

• Pydantic-v2-Basismodelle für Ressourcen, Bedarfe, Kosten- und Renditematrizen mit Validierung beim Einlesen (strikt positive Kapazitäten, Wahrscheinlichkeiten summieren auf 1, Spaltenzuordnung über Namen statt Positionen).
• Einheitliches Loesung-DTO plus SolverStatus-Enum (OPTIMAL, ZULAESSIG, UNZULAESSIG, UNBESCHRAENKT, ZEITLIMIT, FEHLERHAFT, UNBEKANNT) mit Übersetzern für pywraplp, CP-SAT, highspy, SciPy und CVXPY. Lazy imports, weil ortools und highspy sich nicht gemeinsam importieren lassen.
• Excel-/CSV-Ein- und -Ausgabe (lade_produktionsproblem(), schreibe_ergebnis()), pandas als optionale Abhängigkeit.

Alle bestehenden Programme werden darauf umgestellt: durchgängige Type Hints (mypy-kompatibel), Domäne strikt vom Solver getrennt, keine impliziten Optimalitätsannahmen mehr. Der Solver-Austausch HiGHS ↔ CP-SAT wird an einem Beispiel real vorgeführt.

Maßstab bei jeder Umstellung: Wird das Programm dadurch kürzer und klarer? Wenn nicht, bleibt es. Ein Lehrbeispiel darf nicht an Architektur ersticken — das gilt besonders für die frühen Kapitel, wo die Leser das Modul noch nicht kennen.

---

6. Phase 3 — Neue Kapitel

• Kap. 4 Vom Management-Wunsch zum Modell — Anforderungsanalyse für OR-Projekte, realistischer Dialog („Kosten senken, aber die Mitarbeiter sollen nicht meckern“), systematische Zerlegung in Entscheidungsvariablen / harte vs. weiche Restriktionen (Strafkosten) / fehlanreizfreie Zielfunktion.
• Kap. 9 Metaheuristiken — wenn HiGHS/CP-SAT skalierungsbedingt aussteigen: lokale Suche mit Kostenänderung in O(1), Simulated Annealing samt Kalibrierung der Temperatur, der gemessene Umschlagpunkt gegen den exakten Solver, Large Neighborhood Search (zerstören / exakt reparieren). Dekomposition wurde aus diesem Kapitel herausgenommen und ist ein eigener offener Punkt: Spaltengenerierung gibt eine andere Antwort auf dieselbe Frage — sie approximiert nicht die Lösung, sondern formuliert das Modell um. Genetische Algorithmen (pymoo) und Tabu-Suche sind im Kapitel benannt und eingeordnet, aber nicht ausgeführt: Für Reihenfolgen ist die „Kreuzung“ zweier Lösungen gerade der schwierige Teil, und ein halbherziges Beispiel dazu wäre irreführend.
• Kap. 13 Mehrziel & Pareto — warum lineare Skalarisierung bei nicht-konvexen Fronten versagt; $\epsilon$-Constraint und lexikografische Optimierung an Kosten vs. CO₂ in der Tourenplanung; exakte Pareto-Front, statisch fürs PDF und interaktiv (Plotly) auf der Website.
• Kap. 14 Strukturbrücke — dieselbe Mathematik, zwei Welten: Ressourcenallokation ↔ Kapitalallokation, Lieferausfall-Robustheit ↔ Worst-Case-Risikomaße; Gegenüberstellung als Tabelle plus ein Modell, das beide Datensätze frisst.
• Kap. 15 Predict-then-Optimize — Nachfrageprognose → Lagerbestand: ein Modell mit kleinerem MSE erzeugt teurere Entscheidungen; Entscheidungskosten statt Prognosefehler messen; Ausblick cvxpylayers/PyTorch.
• Kap. 16 Supply-Chain & Energieeinsatz unter Unsicherheit — die Nicht-Finanz-Alternative zu Teil V mit denselben Werkzeugen (Szenarien, CVaR, DP): Netzwerkdesign mit Standortentscheidungen, Kraftwerkseinsatzplanung.
• Kap. 22 Testing, Benchmarking, Deployment — pytest-Framework für Optimierungsmodelle (Regression gegen Benchmark-Instanzen, Restriktionsverletzungs-Checks, Skalierungsinvarianz), reproduzierbare Benchmark-Pipeline SciPy/HiGHS/OR-Tools/CVXPY über N \in \{10^2, 10^3, 10^4\} (Zeit und Speicher), FastAPI-Microservice mit asynchroner Job-Queue und schlankem Dockerfile.

Empfohlene Reihenfolge

Nicht strikt nach Kapitelnummer, sondern nach Nutzen — falls vor einem Kurstermin ein brauchbarer Zwischenstand gebraucht wird:

1. Kap. 9 Metaheuristiken — schließt die von der Rezension am schärfsten benannte Lücke.
2. Kap. 22 Testing/Deployment — zweite große Lücke; der Unterbau (or_kern.py) steht bereits und ist genau das, was sich testen lässt.
3. Kap. 4 Vom Management-Wunsch zum Modell — kurz, didaktisch tragend, ohne neue Bibliotheken.
4. Kap. 13 Mehrziel, Kap. 14 Strukturbrücke, Kap. 15 Predict-then-Optimize.
5. Kap. 16 Supply-Chain & Energie — die aufwendigste Einheit und am ehesten verzichtbar, falls der Umfang begrenzt werden muss.

---

7. Phase 4 — Anhänge · Phase 5 — Medien, Rahmen, Gesamtbau

Phase 4 — Anhänge

• Anhang C → vollwertiges Troubleshooting-Handbuch: IIS/Conflict Refiner in Python (deletion filter, der aus tausenden Restriktionen die minimale widersprüchliche Teilmenge isoliert), duale Entartung und instabile Schattenpreise, Toleranzkunde (feasibility_tolerance HiGHS vs. OR-Tools), Skalierung/Ruiz.
• Anhang D (neu) Spickzettel — je eine Seite SciPy, HiGHS, CP-SAT, CVXPY, Pyomo/Linopy: Variablentypen, Big-M-Entweder-Oder, weiche Restriktionen mit Slack, Dualwerte und Status abfragen.
• Anhang B — Rezeptkarten für Alltagsfragen (Mindestabnahmemengen, Rüstzeiten, Budgetlimit), abgestimmt auf Anhang D.
• Anhang A — Lösungen für alle neuen Aufgaben, Micro-Quizzes und Denkfehler-Übungen; läuft parallel zu jeder Phase mit.

Phase 5 — Medien, Rahmen, Gesamtbau

• Diagramme in bilder_04/: zwei Entscheidungs-Flussdiagramme, Branch-and-Bound-Baum, Pareto-Front, Konditionszahl-Experiment, Metaheuristik-Landschaft, Clean-Architecture-Schichten, FastAPI-Deployment — Graphviz bzw. Matplotlib, jeweils SVG + PNG. Diesmal mit mitgelieferten Generatorskripten (bilder_04/erzeuge_*.py); in V03 fehlen die Diagrammquellen.
• Plotly-Figuren nach bilder_04/plotly/*.html, vom Build in die Kapitelseiten eingebettet; im PDF steht die statische Variante.
• Notebooks je Kapitel nach Notebooks_04/, aus den Kapitel-Codeblöcken generiert, mit pip install-Startzelle.
• Rahmen aktualisieren: Vorwort (Lernpfade um die neuen Kapitel und den Finanz-/Industrie-Gabelpunkt erweitert), Notation, Projektwerkstatt (Projekte zu Metaheuristik, Mehrziel und Deployment), Programme-README-Vorlage, requirements.txt, CLAUDE.md um den V04-Strang ergänzt.
• Abschluss: vollständiger Bau von Markdown, PDF und Website.

---

8. Der Kapitel-Baukasten

Jedes Kapitel der Version 04 erhält dieselben Bausteine in derselben Reihenfolge:

# Kapitel: <Titel> {#kap:<label>}

> 📌 Kapitel auf einen Blick        (Worum / Voraussetzungen / Danach / Zeitbedarf / Programme)
                                     Der Notebook-Hinweis wird vom Build ergänzt.

## In 5 Minuten gelöst {#sec:<label>-schnellstart}
   > 🚀 …    4–6 Zeilen Daten, ≤15 Zeilen Code, sofort lesbares Ergebnis
   danach im Fließtext: „Und jetzt der Punkt“ + „Warum funktioniert das?“

## Lernziele
## <Fachabschnitte>                  darin: > 🔤 Formel-Übersetzer an jeder zentralen Formel
## Übungsaufgaben
## Finde den Denkfehler {#sec:<label>-denkfehler}
   > 🐛 …    Code läuft fehlerfrei, Ergebnis ist betriebswirtschaftlich Unsinn
## Micro-Quiz {#sec:<label>-quiz}
   > ❓ …    genau 3 Multiple-Choice-Fragen
## Selbsttest                        (offene Fragen, aus V03 übernommen)
## Zusammenfassung

Kartentypen (Erkennung am führenden Emoji, KARTEN_TYPEN in build_version_04.py):

Emoji	CSS-Klasse	Verwendung
📌	card-blick	Kapitel auf einen Blick
🚀	card-schnellstart	In 5 Minuten gelöst
🔤	card-formel	Formel-Übersetzer (zweispaltig: Mathematik | Alltagssprache)
📊	card-excel	Excel-Brücke
❓	card-quiz	Micro-Quiz
🐛	card-denkfehler	Finde den Denkfehler
📎	(Blockquote)	Verweis auf ein Modul oder einen späteren Abschnitt

Bestehende Blockquotes (🎯 Merksatz, ⚠️ Typische Fehler, ✏️ Handrechnung, 💻 Code-Durchgang, 📖 Definition, 📐 Formel-Lesehilfe, 💡 Hinweis) bleiben unverändert und werden weiter verwendet.

---

9. Regeln, die eingehalten werden müssen

1. Abschnittsnummern nicht in den Quelltext schreiben. ## Titel {#sec:label} genügt; die Nummer vergibt der Build. Verweise im Fließtext immer als {ref:sec:label}.
2. Keine Abschnittsnummern in Code-Kommentaren. Dort den Abschnittstitel nennen — Nummern verschieben sich beim Einfügen neuer Kapitel.
3. Bildpfade heißen bilder_04/… — fürs PDF löst Pandoc relativ zur Repo-Wurzel auf, für die Website spiegelt der Build das Verzeichnis.
4. Jede abgedruckte Ausgabe stammt aus einem echten Lauf. Programm ausführen, Ausgabe kopieren, nicht plausibel erfinden. Bei Zufallszahlen: festen Seed setzen und Determinismus durch mehrfachen Lauf prüfen.
5. Jede Solver-Auswertung behandelt alle Statusfälle explizit — OPTIMAL, FEASIBLE, INFEASIBLE, UNBOUNDED, TIME_LIMIT.
6. Änderungen an Programmen gehören in den Kapitel-Codeblock, danach extract_programme_04.py laufen lassen. Das Programme-Verzeichnis ist ein Artefakt, keine zweite Quelle.
7. Neue {idx:…}-Begriffe vorher prüfen: grep -ohE '\{idx:[^}]+\}' Operations_Research_mit_Python_Version_04/*.md | sort -u
8. Neues Programm ⇒ drei Stellen pflegen: Kapitelkopf („Programme:“), Vorwort („Verzeichnis der Beispielprogramme“), bei neuer Abhängigkeit requirements.txt.
9. Vor jedem neuen Programm prüfen, ob der Stoff schon abgedeckt ist. Erst die vorhandenen Programme des Kapitels lesen, dann schreiben — ein Denkfehler kann auch auf einem bestehenden Programm aufbauen.
10. Nach jedem Ersetzen eines Codeblocks die Codezäune zählen. Ein fehlender schließender ``` fällt weder Pandoc noch dem Auge auf, lässt aber reflow_markdown() den gesamten Rest der Datei zu Fließtext falten — im PDF steht dann Programmcode als Absatz. --check prüft das seit Phase 2 automatisch (pruefe_dateien()).
11. Am Ende jeder Phase die GESAMTE Programmsuite laufen lassen, nicht nur die angefassten Programme. Der Durchlauf dauert wenige Minuten und ist die einzige Prüfung, die Altlasten findet.
12. Keine Kapitelnummern in Programm-Docstrings. Dort den Kapitelnamen nennen — Kapitel Metaheuristiken: statt Kapitel 9:, so wie es die Code-Kommentare ohnehin halten („siehe Kapitel Oekosystem“). Nach zwei eingefügten Kapiteln waren 66 von 67 Programmen falsch nummeriert; die Nummer im Buch stimmt automatisch, die im Docstring nicht. Gleiches gilt für Abschnittsnummern (Regel 2) und Dateinamen.
13. PROGRESS.md gehört in denselben Commit wie die Arbeit, die sie beschreibt. Nicht „danach mal nachziehen“ — dann steht dort früher oder später etwas, das nicht mehr stimmt. Eine Fortschrittsdatei, die hinterherhinkt, ist schlimmer als gar keine, weil man ihr glaubt: Man verlässt sich auf einen Stand, den es nicht gibt. Genau an dieser Trennung sind in diesem Projekt schon einmal Buch und Programme-Verzeichnis auseinandergelaufen. Mitzupflegen sind der Phasenstand, die Referenzwerte und der Abschnitt Was als Nächstes ansteht.

---

10. Verifikation

cd ~/Python_Programs/OR_mit_Python/Version_04

# 1. Struktur und Querverweise (meldet unbekannte {ref:...}-Labels und fehlende Codezäune)
python3 Operations_Research_mit_Python_Version_04/build_version_04.py --check

# 2. Programme extrahieren und jedes einzeln ausführen
python3 Operations_Research_mit_Python_Version_04/extract_programme_04.py
MPLBACKEND=Agg bash -c 'for p in Operations_Research_mit_Python_Version_04_Programme/*.py; do
  echo "== $p"; timeout 600 python3 "$p" >/dev/null || echo "FEHLER: $p"; done'

# 3. Testsuite aus dem Kapitel "Testen, Messen, Ausliefern"
#    (liegt flach im Programme-Verzeichnis, nicht in einem tests/-Unterordner)
pytest Operations_Research_mit_Python_Version_04_Programme/test_or_kern.py -q

# 4. Notebooks zelle-für-zelle ausführen
#    Die %pip-Setup-Zelle trägt das Tag 'nbmake-skip' und wird vom Build
#    automatisch markiert – nbmake überspringt sie, damit kein Testlauf die
#    Pakete neu installiert. Voraussetzung: pip install -e ".[dev,notebook]".
pytest --nbmake --nbmake-timeout=900 Notebooks_04/ -q

# 5. PDF und Website
python3 Operations_Research_mit_Python_Version_04/build_version_04.py --pdf --html

# 6. Gegenprobe: Version 03 muss unverändert bauen
python3 Operations_Research_mit_Python_Version_03/build_version_03.py --check

Zusätzlich sichtprüfen: OR_HTML_04/index.html (Landing-Page, Sidebar, Volltextsuche, Stichwortverzeichnis), eine Kapitelseite mit den neuen Karten und einer eingebetteten Plotly-Figur, seitenübergreifende Querverweise (andere-seite.html#anker).

Prüfmaßstab pro Kapitel: jeder abgedruckte Codeblock wurde ausgeführt, die im Buch gezeigte Ausgabe stammt aus diesem Lauf, und jede Solver-Auswertung behandelt alle Statusfälle explizit.

---

11. Umfang und Reihenfolge

Der Umfang entspricht etwa einer Verdopplung des Buches: 7 neue Kapitel, ein neuer Anhang, Didaktik-Layer und Code-Refactoring über 22 Bestandsdateien. Die Arbeit läuft in der Phasenreihenfolge 0 → 5; nach jeder Phase ist der Stand baubar und lauffähig, sodass Zwischenstände begutachtet werden können.

Phase 0 wird zuerst und vollständig abgeschlossen, weil ohne automatische Abschnittsnummerierung jedes eingefügte Kapitel Handarbeit in allen Folgekapiteln nach sich zöge.

Sprache: Kommentare, Ausgaben und Fließtext sind durchgängig Deutsch.