Die vorliegende Arbeit beschäftigt sich mit Techniken zur Lösung von speziellen Bin Packing Problemen und deren Verwandten. Bin Packing Probleme treten in zahlreichen Anwendungen in Industrie und Wirtschaft auf, beispielsweise bei der Verteilung von Ressourcen, der Ablaufplanung komplexer Vorgänge, im Projektmanagement und in der Logistik, nur um einige zu nennen. Als konkrete Anwendung widmen wir uns im letzten Kapitel der Optimierung von Fertigungslinien für die Leiterplattenbestückung. Diese entstand aus einer langjährigen Industriekooperation mit Philips Assembléon in Eindhoven. Das Bin Packing Entscheidungsproblem stellt die Frage, ob zu einer gegebenen Menge von Objekten verschiedener Größe und einer Menge von Containern mit bestimmtem Fassungsvermögen eine Verteilung der Objekte auf die Container existiert, so daß weder ein Objekt unverpackt bleibt, noch die Kapazität eines Containers überschritten wird. Das korrespondierende Optimierungsproblem sucht nach der minimalen Anzahl an Containern, so daß alle Objekte verpackt werden können. Dieses Problem ist im allgemeinen Fall NP-vollständig. Solange P ungleich NP ist, bedeutet dies, daß es kein Verfahren gibt, welches die Entscheidung, ob für eine gegebene Instanz eine zulässige Verteilung existiert oder nicht, innerhalb einer Zeit treffen kann, die polynomial von der Eingabegröße des Problems abhängt. Für einige Fälle, in denen die Eingabedaten spezielle Strukturen aufweisen, kann das Problem jedoch effizient, d.h. in Polynomialzeit exakt gelöst bzw. approximiert werden. In der Praxis treten beispielsweise oftmals Probleme auf, die sehr viele Objekte beinhalten, die jedoch nur sehr wenige unterschiedliche Größen aufweisen. Für genau diesen Fall werden in dieser Arbeit die notwendigen theoretischen Grundlagen erarbeitet und ein effizientes kombinatorisches Lösungsverfahren entwickelt. Das Verfahren berechnet in polynomialer Zeit Lösungen, die maximal einen Behälter mehr benötigen als die Optimallösung. Darüberhinaus werden Verfahren zur Rundung beliebiger Eingabedaten vorgestellt. Im allgemeinen sind solche Verfahren für Optimierungsprobleme unterschiedlichster Art anwendbar: sei es um effizient obere und untere Schranken zu berechnen oder um Näherungslösungen zu generieren, zum Beispiel indem ein effizient lösbarer Spezialfall angewandt werden kann. Da eine Rundung der Eingabedaten einer Relaxierung des Originalproblems entspricht, legen wir besonderes Gewicht auf die Beschränkung des Rundungsfehlers. Wir beweisen für jedes der vorgestellten Verfahren eine Fehlerabschätzung und präsentieren umfangreiche Rechenergebnisse auf typischen Datenprofilen. Als eine Anwendung der Rundung stellen wir ein Verfahren zur Auswertung von Bin Packing Constraints zusammen mit konkaven Bedingungen vor. Diese Anwendung kommt aus dem Constraint Programming welches sich in den letzten Jahren immer größerer Beliebtheit bei der Lösung von Optimierungs- und Entscheidungsproblemen erfreut. Konkave Bedingungen beinhalten sowohl eine Vielzahl elementarer Constraints wie logische Verknüpfungen, Implikationen und Ausschlüsse, als auch lineare Nebenbedingungen. Darüberhinaus sind beliebige konkave Funktionen verwendbar, wie sie beispielsweise in Wachstums- und Zerfallsprozessen vorkommen. Wir präsentieren umfangreiche Beispiele, wie grundlegende Optimierungsprobleme innerhalb dieses Paradigmas modelliert werden können. Desweiteren entwickeln wir Algorithmen, die die Unzulässigkeit eines gegebenen Constraintsystems feststellen. Das letzte Kapitel beschäftigt sich mit der Optimierung von Produktionslinien zur Platinenbestückung. Die Fertigung muß den immer kürzer werdenden Entwicklungszyklen und der enormen Bandbreite an verschiedenen Artikeln nachkommen und eine flexible Produktion ermöglichen. Damit verbunden sollen unprofitable Rüstzeiten nach Möglichkeit vermieden werden. Daher wird versucht, mit einer Komponentenbelegung möglichst viele verschiedene Platinen zu produzieren, während kleinere Variationen im Setup der Maschine während des Produktionsprozesses mithilfe spezieller austauschbarer Rollwagen, welche die Komponenten beherbergen, vorgenommen werden können. Diese Verfahrensweise impliziert eine Aufteilung der Menge von Platinentypen in verschiedene Gruppen. Zwischen den einzelnen Gruppen findet eine Variation eines Teils des Setups statt, während der Großteil des Setups jedoch über den kompletten Produktionsprozeß hinweg bestehen bleibt. Die Schwierigkeit bei dieser Vorgehensweise besteht zum einen darin, eine möglichst ideale Gruppierung von Modulen zu finden, zum anderen darin, die Bauteile so auf die parallelen Bestückungsautomaten zuzuweisen, daß diese möglichst gut ausgelastet sind. Dieses Problem kann als Verallgemeinerung des Bin Packing Problems mit zusätzlichen Nebenbedingungen verstanden werden. Wir zeigen, daß dieses Problem NP-vollständig ist. Im Rahmen einer Kooperation mit Philips Assembléon in Eindhoven wurden spezielle Algorithmen zur Gruppierung von Modulen und zur effizienten Berechnung von Maschinensetups für den oben genannten Fall entwickelt. Die entstandenen Verfahren wurden an realen Daten aus Kundenaufträgen getestet und mit anderen aus der Literatur bekannten Verfahren verglichen. Dabei stellte sich heraus, daß die Anwendung der entwickelten Algorithmen neben gewisser anderer Vorteile zu einem wesentlich höheren Produktionsdurchsatz führt. Darüberhinaus konnte die Laufzeit der Optimierungssoftware um ein Vielfaches verkürzt werden.