Die vorliegende kumulative Dissertation besteht aus vier wissenschaftlichen Artikeln, von denen drei bereits in wissenschaftlichen Zeitschriften veröffentlicht wurden und einer sich in dem Begutachtungsprozess für Veröffentlichung in einer weiteren internationalen Fachzeitschrift befindet. Alle vier Artikel beschäftigen sich mit den kombinatorischen Optimierungsproblemen, die durch Integration der Personalfaktoren in verschiedenen operativen Planungsproblemen im Bereich der Umschlaglogistik entstehen. Insbesondere sind alle betrachteten Planungsprobleme mit Ent- und Beladeprozessen der Lastkraftwagen (LKWs) an riesigen Umschlagterminals verbunden, die wichtige Knotenpunkte für viele moderne Distributionsnetzwerke darstellen. Typischerweise werden an solchen riesigen Umschlagterminals täglich hunderte LKWs koordiniert, indem die Güter von ankommenden LKWs entladen, umsortiert, möglicherweise zwischengelagert und in ausgehende LKWs geladen werden. Dabei verfügt ein Terminalgebäude i. d. R. über mehrere Ladetore, an denen LKWs angedockt werden, während die Waren aus einem Anhänger eines einkommenden LKWs entladen bzw. in einen Anhänger eines ausgehenden LKWs geladen werden. Beispiele für solche Umschlagterminals sind große Distributionszentren oder sogenannte Cross-Docks (z. B. in der Lebensmittel- oder Automobilindustrie), Hub-Terminals in der Postindustrie usw. Eines der am intensivsten untersuchten Probleme bei der Betriebsplanung solcher Umschlagterminals bezeichnet man als Truck Scheduling Problem, welches die LKWs den Toren und jeweiligen Abfertigungszeitfenstern zuweist.

Obwohl die Ent- und Beladevorgänge an den Laderampen i. d. R. eine Beteiligung menschlicher Arbeitskräfte voraussetzen, hat die Berücksichtigung der Personalplanungsaspekte in den Truck Scheduling Problemen bisher nur geringe Aufmerksamkeit in der wissenschaftlichen Literatur gefunden. Der Schwerpunkt dieser Dissertation liegt auf der Integration der Personalaspekte in Truck Scheduling Probleme. Die in unterschiedlichen Artikeln vorgestellten Optimierungsprobleme unterscheiden sich in räumlichen Aspekten, d. h. in den Örtlichkeiten im Umschlagterminal, in denen die jeweiligen Aktivitäten stattfinden. Sie umfassen Aktivitäten an den Laderampen sowohl im Wareneingang als auch im Warenausgang sowie Vorgänge innerhalb des Hofs des Terminals (d. h. außerhalb des Terminalgebäudes). Darüber hinaus unterscheiden sich die vier Aufsätze auch im Hinblick auf die Methoden, die zur Lösung der Planungsprobleme eingesetzt werden.

Das in dem ersten Artikel betrachtete Planungsproblem beschäftigt sich mit dem Truck Scheduling Problem im Wareneingang. Insbesondere wird ein neuartiges integriertes Personal- und LKW-Planungsproblem untersucht, in dem ankommende LKWs mit beschränkten Zeitfenstern (definiert durch fixe Ankunfts- und Abfahrtszeiten) an Terminaltoren von einer variierenden Anzahl an Logistikmitarbeitern entladen werden können. Dabei hängt die Dauer eines Entladevorgangs nicht nur von der spezifischen LKW-Ladung ab, sondern auch von der Anzahl der Mitarbeiter, die die Waren aus dem LKW-Anhänger gemeinsam entladen. Der Großteil bestehender Ansätze in der Literatur ignoriert Personalplanungsaspekte in dem Truck Scheduling Problem; es wird von festen Abfertigungszeiten für jeden LKW ausgegangen und somit angenommen, dass jeder Laderampe eine feste Anzahl an Mitarbeitern im Voraus zugewiesen wird. Es besteht jedoch ein zusätzlicher Freiheitsgrad darin, je nach Dringlichkeit dem jeweiligen Ladevorgang eine variierende Anzahl der Mitarbeiter zuzuordnen. Eine höhere Anzahl von Mitarbeitern beschleunigt die Abfertigung des Vorganges, sodass es sinnvoll ist, Personal-Zuordnung und Truck Scheduling Problem ganzheitlich zu lösen. Das sich daraus ergebende ganzheitliche Planungsproblem wird für zwei repräsentative Anwendungsfälle des Truck Scheduling Problems untersucht: für ein konventionelles Distributionszentrum und für eine Cross-Dock Umgebung, die sich voneinander in ihren Zielsetzungen unterscheiden. Bei Distributionszentren ist die Zielsetzung des betrachteten Optimierungsproblems, die gesamte Flow-Time (d. h. die gesamte Zeit, die ein LKW am Terminal verbringt, inklusive der Wartezeit vor dem tatsächlichen Entladevorgang) zu minimieren. Im Kontrast dazu versucht das Optimierungsproblem in der Cross-Docking Umgebung, die ankommenden LKWs an den Entladetoren so zu planen, dass die entladene Ware in entsprechende ausgehende LKWs möglichst termingerecht umgeladen wird.

Nach der formellen Darstellung der entstandenen Planungsprobleme wird für jede Problemvariante ein gemischt-ganzzahliges lineares Optimierungsmodell entwickelt. Darüber hinaus werden die Optimierungsprobleme als sogenanntes Intervall Scheduling Problem umformuliert und darauf basierend unterschiedliche heuristische Lösungsverfahren entworfen, die sich in der Erzeugung der Intervalle in der Modellaufbereitungsphase unterscheiden. In einer rechnergestützten Studie wird die Rechenleistung der vorgeschlagenen Lösungsansätze auf zufällig generierten Probleminstanzen getestet. Dabei erweist sich eines der Verfahren zur Intervallerzeugung als sehr erfolgreich, welches Probleminstanzen mit realistischen Größenordnungen in angemessener Zeit erfolgreich löst. Des Weiteren wird der neuartige kombinierte Ansatz der Personal- und LKW-Planung mit bestehenden sukzessiven Ansätzen verglichen, in denen die Personal-Zuordnung und das Truck Scheduling nacheinander separat gelöst werden. Die Ergebnisse zeigen, dass im Vergleich zum sukzessiven Ansatz der kombinierte Personalplanungsansatz die Leistung des Truck Scheduling Problems für beide repräsentativen Anwendungsfälle erheblich verbessert.

Der Fokus des zweiten Artikels liegt auf den Aktivitäten im Warenausgang und beschäftigt sich mit der Beladung und Ablaufplanung ausgehender LKWs. Insbesondere befasst sich das in dem zweiten Aufsatz vorgestellte Planungsproblem mit folgenden Entscheidungen: Zum einen müssen die Sendungen mit variierender Größe in die ausgehenden LKWs so verladen werden, dass die begrenzte Kapazität der jeweiligen LKW-Anhänger nicht überschritten wird (LKW-Verladeproblem); zum anderen sind die einzelnen LKWs mit gewissen Ankunft- und Abfahrtzeiten zu den Ladetoren so zu planen, dass begrenzte Terminalressourcen für Ladevorgänge (Ladetore und menschlichen Arbeitskräfte) in Betracht gezogen werden (Truck Scheduling Problem). Ein solches Planungsproblem entsteht typischerweise im Tagesgeschäft der Versandlager in der Produktionsindustrie (z. B. in der Automobilindustrie), da von solchen Versandlagern jeden Tag mehrere Lastwagen in Richtung desselben Zielortes abfahren. Deshalb muss neben dem eigentlichen Truck Scheduling Problem eine Entscheidung darüber getroffen werden, welche Ladeeinheiten in welche LKWs geladen werden. In diesem Umfeld besteht der Hauptzweck solcher Versandlager darin, eine Just-in-Time oder manchmal sogar Just-in-Sequence Lieferung der fertigen Montageteile an die Produktionslinie zu ermöglichen. Daher ist die Zielsetzung des vorgeschlagenen Optimierungsproblems, die bestellten Ladeeinheiten möglichst spät, aber nicht später als zur angeforderten Zeit zu versenden.

Das entstandene Planungsproblem wird als mathematisches Optimierungsproblem formalisiert, für welches zwei verschiedene gemischt-ganzzahlige lineare Optimierungsmodelle entworfen werden. Des Weiteren wird das Optimierungsproblem als bekanntes generalisiertes Set Covering Problem umformuliert, welches als Grundlage der Spaltengenerierung für einen entworfenen exakten Branch-and-Price Algorithmus dient. In einer Reihe von numerischen Tests wird die algorithmische Leistung der vorgeschlagenen Lösungsverfahren mit neu generierten Probleminstanzen getestet und miteinander verglichen. Dabei zeigt der neuartige exakte Branch-and-Price Algorithmus eine hervorragende Leistung und ist den beiden gemischt-ganzzahligen linearen Optimierungsmodellen unter Verwendung eines kommerziellen Standardsolvers überlegen, da er in der Lage ist, den Großteil der betrachteten Probleminstanzen in kurzer Zeit exakt zu lösen. Darüber hinaus werden einige betriebswirtschaftliche Erkenntnisse untersucht, etwa der Einfluss von Zeitfenstermanagement und Personalbestand auf die Pünktlichkeit der Lieferungen, welche als Grundlage für die mittelfristige Planung eines geeigneten Zeitfenstermanagements und Personalbestands genutzt werden können.

Der dritte Artikel beschäftigt sich mit Aktivitäten auf dem Hof eines Trailer-Terminals, d. h. außerhalb des Terminalgebäudes. Auf viele große Umschlagterminals werden die LKW-Sattelanhänger innerhalb des Hofs von speziellen Terminaltraktoren transportiert (in der englischsprachigen Literatur ist so ein Terminaltraktor oft unter dem Namen Spotter bekannt). Dadurch entsteht ein neues Planungsproblem, nämlich die Bewegung der LKW-Anhänger innerhalb des Hofs unter mehreren Spottern effizient zu koordinieren. Im dritten Artikel wird ein neuartiges Planungsproblem von Spottern betrachtet, welches in der Planungshierarchie nach der Festlegung der Ablaufpläne einzelner LKWs an den Toren (Truck Scheduling) gelöst werden muss. Eine Reihe von gegebenen Transportaufträgen ist zu einzelnen Spottern so zuzuordnen, dass gegebene LKW-Pläne zeitlich realisiert werden können. Dabei ist die Zielsetzung des betrachteten Optimierungsproblems, einen möglichst robusten Ablaufplan von Spottern zu finden, der die zeitliche Realisierung der geplanten LKW-Ladungen an den Toren auch dann ermöglicht, wenn unerwartete Verspätungen im ursprünglichen LKW-Plan entstehen. Dafür wird zwischen jedem Paar aufeinanderfolgender Transportaufträge eine Pufferzeit eingesetzt, welche möglichst groß zu halten ist, um das System vor einer Ausbreitung kleiner Verspätungen zu schützen. Es werden zwei Problemvarianten von robuster Spotter-Planung betrachtet, die sich in ihrer Zielsetzung unterscheiden. Die erste Problemvariante zielt darauf, die gewichtete Summe aller Pufferzeiten zu maximieren, wohingegen die Zielsetzung der zweiten Problemvariante die Maximierung der minimalen gewichteten Pufferzeit ist.

Für jede der beiden Problemvarianten wird ein exakter Algorithmus entworfen, welcher das entsprechende Optimierungsproblem in polynomieller Zeit optimal lösen kann. In einer Reihe an Rechenstudien erbringen beide Lösungsansätze eine sehr gute algorithmische Leistung, sodass Instanzen mit tausenden von Transportaufträgen und hunderten von Spottern in wenigen Minuten optimal gelöst werden. Darüber hinaus wird die Robustheit der vorgeschlagenen Ansätze in einer Simulationsstudie evaluiert, in der gewisse Verspätungen der LKW-Ankünfte sowie Verzögerungen von deren Ladevorgängen an den Ladetoren simuliert werden, um zu untersuchen, ob die gefundenen Lösungen tatsächlich robust gegenüber solchen Verspätungen sind. Die Ergebnisse der Simulationsstudie zeigen, dass die Anwendung eines geeigneten Robustheitsmaßes die Ausbreitung unvorhergesehener Verzögerungen erheblich reduzieren kann. Des Weiteren wird der Einfluss der Spotter-Flottengröße auf die Leistung des Hofs untersucht. Die Ergebnisse können als Grundlage für ein mittelfristiges Planungsproblem genutzt werden, in dem ein gewisses Serviceniveau zu erreichen ist und dafür nach einer optimalen Anzahl an Spottern gesucht wird.

Im Unterschied zu den drei vorherigen Artikeln, die jeweils konkrete Anwendungsprobleme in Betracht ziehen, liegt der Schwerpunkt des vierten Artikels eher in der Algorithmik. So ist der Hauptbeitrag des vierten Artikels der Entwurf eines neuartigen exakten Algorithmus, welcher auf dem sogenannten Ansatz der kombinatorischen (oder logic-based) Benders Dekomposition basiert und zur optimalen Lösung einer allgemeineren Klasse der Maschinenplanungsprobleme angewendet werden kann. Insbesondere besteht das grundlegende Optimierungsproblem darin, eine Reihe von Aufträgen (Jobs) mit beschränkten Zeitfenstern auf eine Menge nicht zusammenhängender paralleler Maschinen zu planen und dabei eine gewisse Minimax-Zielfunktion zu minimieren. Solche Arten von Maschinenplanungsproblemen haben eine breite Anwendung für verschiedene Planungsprobleme in der Produktion und Logistik, unter anderem auch für Truck Scheduling Probleme. In diesem Zusammenhang ist ein LKW (mit Ankunfts- und Abfahrtszeit) einem Job (mit Fertigstellungs- und Fälligkeitszeit) gleichzusetzen und ein Ladetor einer Maschine, welche zu jedem Zeitpunkt höchstens einen Job verarbeiten kann. Neben dem exakten Benders Dekomposition Algorithmus wird auch ein heuristisches Lösungsverfahren entworfen, welches auf der Umformulierung des Optimierungsproblems als bekanntes generalisiertes Set Partitioning Problem basiert. Beide entwickelten Algorithmen werden für drei unterschiedliche Minimax-Zielfunktionen entworfen, nämlich für die Minimierung der Fertigstellungszeit des letzten Jobs (d. h. makespan), der größten gewichteten Abfertigungszeit (d. h. maximal weighted flow time) und der größten gewichteten Verspätung (d. h. maximal weighted lateness). Darüber hinaus werden sie für eine Reihe von problemrelevanten Erweiterungen angepasst. Die algorithmische Leistung der neuartigen exakten und heuristischen Lösungsansätze wird in einer umfangreichen rechnerischen Studie sowohl auf neu generierten Probleminstanzen als auch in der Literatur existierenden Datensätzen getestet. Der Benders-Dekomposition-Ansatz schneidet ziemlich gut ab, da er die meisten Probleminstanzen innerhalb kurzer Rechenzeit optimal löst. Auch die Heuristik leistet eine gute Arbeit, insbesondere während der Lösung der schwierigen Instanzen mit engen Zeitfenstern der Jobs.