„Demand Fulfillment“ bezeichnet einen Planungsprozess, der sich mit der Abwicklung von Kundenaufträgen befasst. Das Demand Fulfillment verfolgt im Wesentlichen zwei Ziele: einen hohen Kundenservice zu bieten, indem Auftragsbestätigungen in Echtzeit erfolgen und den Kunden gegenüber zuverlässige Lieferterminzusagen erteilt werden, sowie Gewinne zu maximieren. Im Rahmen der Lagerfertigung, d.h. bspw. in der Konsumgüterindustrie, werden Produktionsmengen und –zeitpunkte in der Regel mittelfristig festgelegt. Da zu diesem Zeitpunkt noch keine konkreten Kundenaufträge vorliegen, erfolgt die Planung auf Basis von Prognosen. Infolgedessen können kurzfristig Engpasssituationen entstehen, sodass das Unternehmen entscheiden muss, welche der eingehenden Aufträge erfüllt werden. Diese Entscheidung wird auch von der vorliegenden Kundenheterogenität (die Kunden unterscheiden sich in der Regel hinsichtlich ihrer Profitabilität und ihrer strategischen Wichtigkeit für das Unternehmen) beeinflusst. Folglich muss die Entscheidung über Auftragsannahme oder –ablehnung sowie die Entscheidung darüber, ob ein angenommener Auftrag aus dem Lagerbestand oder mithilfe von zukünftig verfügbaren Produktionsmengen erfüllt wird, sehr sorgfältig getroffen werden. Die durch kurzfristig knappe Kapazitäten, heterogene Kunden und Nachfrageunsicherheit gekennzeichnete Situation im Demand Fulfillment der Lagerfertigung ist vergleichbar mit der Situation im Dienstleistungssektor, die zur Entwicklung des Revenue Managements führte. Aufgrund der Analogie wurden bereits in der Vergangenheit Ideen des mengenbasierten Revenue Managements auf die Lagerfertigung übertragen. Da jedoch verschiedene typische Revenue Management Annahmen, wie bspw. die Verderblichkeit von Produkten, bei der Lagerfertigung nicht erfüllt sind, steigt die Komplexität des Allokationsplanungsproblems im Vergleich zum Dienstleistungssektor an. Bestehende Allokationsplanungsmodelle für die Lagerfertigung weisen im Wesentlichen zwei Nachteile auf: Entweder vernachlässigen sie Informationen über die Nachfrageunsicherheit oder sie sind nicht skalierbar, d.h. sie können nicht auf Probleme von praxisrelevanter Größe angewandt werden. Auch kommerzielle Advanced Planning Systeme bieten Allokationsplanungsmöglichkeiten, allerdings in Form von einfachen Regeln. Diese Regeln vernachlässigen jedoch ebenfalls Informationen über die Nachfrageunsicherheit (und auch über die Kundenheterogenität). Die Dissertation zeigt, wie Allokationsplanung für das Demand Fulfillment in der Lagerfertigung mithilfe von zweistufig stochastisch linearer Programmierung (SLP) mit Kompensation verbessert werden kann. Es werden SLP-Formulierungen sowohl für den Einperioden- als auch für den Mehrperiodenfall vorgestellt. Darüber hinaus wird gezeigt, dass die Allokationsplanung weiter verbessert werden kann, wenn Informationen über den Konsumptionsprozess, der auf den Allokationsplanungsprozess folgt, bereits in das Allokationsplanungsmodell integriert werden. Insbesondere werden Informationen über die Ankunftsreihenfolge der Aufträge und über die Konsumptionspolitiken (bspw. Nesting oder zeitbasierte Politiken) mithilfe der zweiten Stufe der SLPs integriert. Sowohl der Nutzen, der durch die Allokationsplanung entsteht, als auch der Nutzen, der durch die Berücksichtigung von Informationen über die Nachfrageunsicherheit mithilfe von zweistufigen SLPs entsteht, hängt von den Eingangsdaten ab. Hierzu zählen der Grad der Kundenheterogenität, die Knappheit der Kapazität sowie die Höhe der Nachfrageunsicherheit (bzw. die Prognosegüte). Auf Basis einer numerischen Studie wird gezeigt, in welchen Fällen Allokationsplanung vorteilhaft sein kann, und falls sie vorteilhaft ist, wann mithilfe von SLP-Modellen bessere Ergebnisse erzielt werden können als mit Allokationsplanungsregeln kommerzieller Advanced Planning Systeme oder mit bestehenden Allokationsplanungsmodellen.