Willkommen in der wunderschönen Welt der Modellierung

Getestet und für sehr gut befunden: Der Experte für Mathematische Optimierung und Machine Learning, Prof. Dr. Nathan Sudermann-Merx, hat ein Buch veröffentlicht, das seinen Leser*innen bislang nur 5-Sterne-Bewertungen entlockt hat. Kein Wunder, denn in "Einführung in Optimierungsmodelle: Mit Beispielen und Real-World-Anwendungen in Python" präsentiert der Informatik-Professor moderne Inhalte didaktisch innovativ, zu denen bisher größtenteils veraltetes und zu theoretisches Lehrmaterial existierte, und erklärt die Sachverhalte so lebhaft wie in seinen Vorlesungen an der DHBW Mannheim.

In zahlreichen Disziplinen mathematisch die beste Alternative finden

Von Naturwissenschaften, über Energiewirtschaft und Supply Chain Management hin zum Maschinellen Lernen – in vielen Disziplinen gilt es, Prozesse mithilfe von Mathematik zu optimieren. Wer hierfür mit Optimierungsmodellen arbeiten möchte, ohne sich zuvor jahrelang mit der zugehörigen Theorie zu beschäftigen, für den ist das Buch genau das Richtige. Dem Titel entsprechend konzentriert es sich auf das, was man in der Praxis braucht: Optimierungsmodelle anstatt Optimierungsalgorithmen, da in praktischen Anwendungen die Modellbildung im Fokus steht und bereits existierende Algorithmen zur Lösung eingesetzt werden können.

Fokus auf das Wesentliche: Praxisorientierte Einführungslektüre inkl. Python-Code

Es beginnt mit unrestringierten quadratischen Problemen und verallgemeinert damit ein Phänomen, das bereits aus der Schule bekannt ist ("Optimierung ist, die Ableitung gleich Null zu setzen"). Im Hauptteil reicht es von linearen über gemischt-ganzzahlige lineare sowie quadratische Optimierungsmodelle und geht auf fortgeschrittene Modellierungstechniken ein. Einen runden Abschluss erhält es durch Erfolgsrezepte für den Einsatz und die Entwicklung von Optimierungsmodellen basierend auf der Industrieerfahrung des Autors. Mit dabei: Ein gebrauchsfertiger Python-Code sowie anschauliche Beispiele, Tipps und Tricks. Leser*innen werden so befähigt, echte Anwendungen in der Sprache der Mathematik zu beschreiben, sie in Python zu implementieren, um sie anschließend von bereits existierenden Solvern lösen lassen.

Buch-Tipp für Hochschulen und Industrie

Trotz des leichten Zugangs zum Thema, den Prof. Sudermann-Merx mit seiner Publikation schafft, bleibt es ein Fach- bzw. Lehrbuch, für dessen Verständnis man eine solide mathematische Ausbildung benötigt. Mit einer Länge von 200 Seiten inkl. Code ist es bestens geeignet als Lehrbuch für Vorlesungen, in denen nicht nur Theorie und Algorithmen zum Inhalt gehören, sondern auch die Frage, wie man reale Anwendungen modelliert und löst. Und auch Praktiker aus der Industrie wie z. B. Data Scientists und Informatiker*innen – auch solche, die wieder in das Themengebiet einsteigen möchten – kommen darin auf ihre Kosten. "Bei dem Buch waren mir zwei Aspekte besonders wichtig. Zum einen, dass es kurz und prägnant ist, sodass es von vorne bis hinten gelesen werden kann – im Gegensatz zu klassischen Mathebüchern, die oft als Nachschlagewerke verwendet werden. Und zum anderen der Stil, der Mathematik mit Anwendungsbeispielen vereint. Für die Beispiele suche ich auch auf mathematischer Ebene nach Gemeinsamkeiten und sortiere die Probleme mathematisch ein. Dabei werden nicht die Algorithmen von Hand gerechnet, sondern man lernt, Mathematik als Sprache zu verwenden, um Praxisprobleme zu beschreiben", so Prof. Dr. Sudermann-Merz über seine Neuerscheinung, die bereits in seinen eigenen Vorlesungen in der Studienrichtung Informatik mit Ausrichtung Machine Learning und im Studiengang Data Science und Künstliche Intelligenz genutzt wird. 

Der Titel ist beim Springer-Verlag erschienen und über den (Online-)Buchhandel erhältlich. Eine englische Version ist für 2025 in Planung.