Deine Touren, Schichten und Budgets,gelöst mit der bestmöglichen Antwort— und bewiesen.
JAOT übersetzt dein Problem in ein mathematisches Modell, löst es und beweist, dass es keine bessere Antwort gibt. Baue es mit KI, starte von einer Community-Vorlage oder steuere es über MCP aus deinem eigenen Agenten.
Die Optimierungsplattform für Menschen und KI-Agenten.
Drei Wege zur Optimierung
Erstelle Modelle mit KI, nutze bewährte Lösungen aus dem Community-Marktplatz oder verbinde deinen KI-Agenten über MCP.
KI-Builder
Beschreibe dein Optimierungsproblem in einfachem Deutsch. Unsere KI Übersetzt es in ein mathematisches Modell und löst es.
„Plane die Lieferungen der Woche: 4 Transporter, 60 Stopps, alle zurück bis 18:00.“
Modell-Marktplatz
Durchsuche den Marktplatz für Optimierungsmodelle. Nutze bewährte Modelle der Community oder veröffentliche deine eigenen.
Fertilizer Mix Optimizer — agriculture
MCP für KI-Agenten
Verbinden Sie Claude, GPT oder einen beliebigen MCP-kompatiblen Agenten — Probleme lösen, Marketplace-Modelle forken und versionierte Modelle von Anfang bis Ende erstellen.
solve_with_template(template_id="fertilizer_mixing")
Vierzehn Zeilen. Die Größe bestimmen die Daten.
JModel beschreibt Ihr Problem mit Mengen und indizierten Familien, und JAOT stellt es als Mathematik dar, bevor es eine einzige Zahl anfasst. Derselbe Quelltext unten deckt ein Werk über ein Quartal ab oder vierhundert Produkte über ein Jahr — Sie schreiben keine Zeile neu.
Was Sie schreiben
set PRODUCTS;set RESOURCES;set WEEKS; param margin{PRODUCTS};param usage{RESOURCES, PRODUCTS};param capacity{RESOURCES, WEEKS};param ceiling{PRODUCTS, WEEKS}; var build{PRODUCTS, WEEKS} integer >= 0; maximize contribution: sum{p in PRODUCTS, w in WEEKS} margin[p] * build[p, w]; subject to plant{r in RESOURCES, w in WEEKS}: sum{p in PRODUCTS} usage[r, p] * build[p, w] <= capacity[r, w]; subject to market{p in PRODUCTS, w in WEEKS}: build[p, w] <= ceiling[p, w];Was es bedeutet
Beide Male dieselben 14 Zeilen. Tabellenkalkulationen und handgeschriebene Modelle wachsen mit den Daten; ein indiziertes Modell nicht.
Die drei margenstärksten Produkte kommen nie in den Plan
Ein Quartal eines Leistungselektronik-Werks, gelöst und als optimal bewiesen. Ausgerechnet die drei margenstärksten Familien baut das Optimum nicht — und das Bauteil, dem alle den Engpass anlasten, bleibt zum Quartalsende fast zur Hälfte unberührt. Genau hier rechnet sich eine Tabellenkalkulation arm.
Bauplan des Quartals
22.410 Stück · SCIP, beweisbar optimal- 800-V-Traktionsumrichter2.450 € / Stück0 Stück
- Batteriemanagement-Einheit1.780 € / Stück0 Stück
- DC-Schnelllademodul1.320 € / Stück0 Stück
- Netzgekoppelter Solarwechselrichter960 € / Stück7.460 Stück
- Industrieller Frequenzumrichter740 € / Stück6.290 Stück
- Flotten-Telematikeinheit410 € / Stück8.660 Stück
- Maschinen-Sensorhub260 € / Stück0 Stück
Was ausgeht
- SMT-Linienstundenausgelastet
- Burn-in-Kammerstundenausgelastet
- Automotive-Mikrocontroller112.570 frei
- SiC-Leistungsmoduleausgelastet
- Endtest-Stunden7.930 frei
- Schutzlack-Stunden3.290 frei
- Telematik-Rahmenvertrag8.660 geliefert, 3.500 gefordert
800-V-Traktionsumrichter: 2.450 € pro Stück — und der Plan baut keines davon. Er beansprucht jede der 3 erschöpften Grenzen am stärksten, während 112.570 Automotive-Mikrocontroller unberührt bleiben: mehr davon zu kaufen würde nichts ändern. Beides steht in der ganzzahligen Lösung, die Sie tatsächlich fahren, nicht in einer Relaxation.
Was-wäre-wenn, gemessen
Fragen Sie, was eine weitere Einheit bringt: JAOT löst das veränderte Modell erneut und zeigt die tatsächliche Veränderung — an Ihrem MIP gemessen, nicht aus einer Relaxation geschätzt.
Entscheidungen statt Zahlenwände
Lösungen kommen gruppiert nach der echten Indexstruktur des Modells zurück, mit einer ehrlichen Zusammenfassung des Solves: Wurzelknoten, Branching oder Zeitlimit.
KI-Erklärung mit einem Klick
Verwandle die Analyse in klare Sprache — ausschließlich auf Basis deiner echten Zahlen, nie erfundener.
Es benennt die zwei Regeln, die sich widersprechen — und entlastet die anderen fünf
Ein Kunde will ein Quartal voller Traktionsumrichter, das die Linie nicht schafft. Ein Solver sagt „unzulässig“ und lässt Sie das ganze Modell prüfen. JAOT entfernt jede Regel und löst erneut, bis nur der Widerspruch übrig bleibt — Sie wissen genau, wo Sie hinschauen müssen.
Wie weit jede Grenze reicht
7 Regeln · 2 im Konflikt- SMT-Linienstunden 7.700 Umrichternicht das Problem
- Burn-in-Kammerstunden 5.240 Umrichterim Konflikt
- Automotive-Mikrocontroller 7.900 Umrichternicht das Problem
- SiC-Leistungsmodule 6.600 Umrichternicht das Problem
- Endtest-Stunden 6.900 Umrichternicht das Problem
- Schutzlack-Stunden 6.600 Umrichternicht das Problem
Es gibt nur Burn-in-Kammerstunden für 5.240 Umrichter, und der Vertrag verlangt 6.000. Sonst ist nichts schuld: JAOT entlastet die anderen 5 Grenzen namentlich. Beschaffen Sie 7.600 mehr — eine zweite Kammer für das Quartal — und das Modell löst sich. Das ist die Zahl für die Verhandlung.
Die exakte Konfliktmenge
JAOT isoliert die minimale Menge an Nebenbedingungen und Schranken, die nicht gleichzeitig gelten können, und hebt sie auf der Ergebnisseite hervor.
Wie du es behebst, in klarer Sprache
Eine KI-Erklärung mit einem Klick benennt die widersprüchlichen Anforderungen und schlägt konkrete Korrekturen vor: welche Schranke zu erweitern, welche Nebenbedingung zu lockern ist.
Ehrlich konzipiert
Wenn ein Modell zu groß für eine exakte Konfliktmenge ist, sagt JAOT das und kennzeichnet die Erklärung klar als heuristisch — nie eine selbstsichere Vermutung.
Welcher Solver am schnellsten ist, hängt vom Modell ab
JAOT liefert SCIP, HiGHS, CBC und GLPK mit. Keiner davon ist der beste. Die Reihenfolge ändert sich mit dem Modell, deshalb lässt JAOT Ihr Problem von allen unter gleichen Bedingungen rechnen und zeigt, was jeder getan hat. Unten steht ein Quartal Beladung der Einbrennkammern im Werk.
Gesamtzeit, logarithmische Skala
1.342 Variablen, 3.558 Nebenbedingungen- scipBewies 17 Kammern12,25 s
201 Knoten, 73.617 Simplex-Iterationen
- highsBewies 17 Kammern1,51 s
1 Knoten, 4.214 Simplex-Iterationen
- cbcBewies 17 Kammern1,53 s
507 Knoten, 11.575 Simplex-Iterationen
- glpkZeit abgelaufen58,68 s
Bewies, dass nichts unter 17 Kammern geht, nach 38.952 Knoten, und fand keinen Plan
Die Skala ist logarithmisch: jeder Schritt ist das Zehnfache des vorigen, die Balkenlänge ist also nicht proportional zur Zahl daneben.
highs war zuerst fertig. scip erreichte dieselbe Antwort 8,1 mal langsamer. Bei einem anderen Modell ändert sich die Reihenfolge, und deshalb beantwortet eine Messung diese Frage und eine Empfehlung nicht.
glpk lief die vollen 60 Sekunden und fand keinen Plan, bewies aber, dass nichts unter 17 Kammern geht. Dafür ist die Schranke da.
Jeder Solver bekam dasselbe Limit von 60 Sekunden und dieselben 4 Threads, einer nach dem anderen auf einem Server mit 12 Kernen. Die Sekunden sind innerhalb dieses Laufs vergleichbar und sonst nirgends.
Gleiche Bedingungen
Gleiches Zeitlimit, gleiche Gap-Toleranz, gleiche Thread-Zahl, eine Maschine, ein Lauf nach dem anderen. Zwei Solver auf einer Maschine streiten um die Kerne, und dann sagen die Sekunden nichts mehr aus.
Eine ganze Matrix
Kreuzen Sie die Datensätze Ihres Modells mit den Solvern: Datensätze in den Zeilen, Solver in den Spalten. Ein Modell, dessen Daten sich jeden Monat ändern, hat keinen schnellsten Solver, und die Zahlen eines Monats wählen den falschen.
Die Schranke, nicht nur die Antwort
Jede Zeile führt die beste Schranke, die der Solver bewiesen hat, neben der gefundenen Antwort. Ein Lauf, den das Zeitlimit gestoppt hat, meldet den Abstand zwischen beiden, und die Antwort allein sagt ihn nicht.
KI-Agenten treffen auf Optimierung
JAOT ist eine Optimierungsplattform, die KI-Agenten nativ zugänglich ist. Verbinde jeden MCP-kompatiblen Agenten, um Optimierungsprobleme durchgängig zu lösen.
Entdecken
Agent findet JAOT über MCP oder /.well-known/llms.txt
Authentifizieren
Sicherer Zugang mit API-Key-Authentifizierung
l
Modell erstellen, Parameter setzen, Solver starten
Ergebnisse
Optimierte Lösung programmatisch abrufen
ProblemLösung
- solve_problem
- validate_problem
- solve_multi_objective
- list_available_solvers
Vorlagen
- list_templates
- get_template
- solve_with_template
Datei-I/O
- import_preview
- import_and_solve
- export_model
- export_execution
Marktplatz
- list_catalog_models
- get_catalog_model
- get_catalog_model_schema
Modellprojekte
- create_model_project
- create_model_project_from_marketplace
- update_model_project_draft
- commit_model_version
- list_project_versions
- get_model_stats
- solve_model_project
- get_model_project
- list_model_projects
Ausführung
- execute_model
- get_execution
- get_execution_insights
Analyse
- get_execution_exact_analysis
- analyze_infeasibility
- start_execution_scenario_analysis
- get_execution_scenario_analysis
Solver-Vergleich
- compare_solvers
- get_solver_comparison
- compare_solvers_on_datasets
- get_solver_comparison_matrix
34 Tools, alle von einem Agenten aufrufbar
Für alle, die optimieren
für Teams & Unternehmen
- Lösen Sie komplexe Optimierungsprobleme im großen Maßstab
- REST-API-Integration mit jedem Tech-Stack
- Teamzusammenarbeit und gemeinsame Modellbibliothek
- Enterprise-Sicherheit und Zugangskontrollen
Für Beitragende und Berater
- Veröffentliche deine Modelle im Community-Marktplatz
- Teile dein Optimierungs-Know-how mit Teams weltweit
- Erreiche Teams und Unternehmen weltweit
- Verfolge Akzeptanz und Wirkung in deinen Analysen
Für Studierende & Forschende
- Lerne Optimierung mit KI-gestütztem Modellbau
- Lehrvorlagen von LP bis MIP
- Einfach beginnen und zu komplexen Modellen wachsen
- Kostenlos und Open Source — ideal zum Lernen
Reale Optimierungsprobleme, gelöst
Erstellen Sie maßgeschneiderte Modelle mit KI oder starten Sie mit bewährten Community-Modellen aus dem Marketplace.
102 Vorlagen in 34 Branchen
Marktplatz durchsuchen- Finance & Investment5
- Logistics & Distribution5
- Human Resources & Workforce4
- Manufacturing & Production4
- Aerospace3
- Agriculture & Farming3
- Chemical Engineering3
- Construction3
- Cutting & Packing3
- Energy & Utilities3
- Facility Location3
- Food & Beverage3
- Forestry3
- General Purpose3
- Government3
- Healthcare & Nutrition3
- Maritime3
- Mining3
- Network & Graph Optimization3
- Pharmaceutical3
- Railway3
- Real Estate3
- Retail & Commerce3
- Supply Chain Management3
- Telecommunications3
- Transportation & Logistics3
- Warehouse3
- Water Management3
- Advertising & Media2
- Education & Academic2
- Environmental & Sustainability2
- Insurance2
- Sports & Recreation2
- Textile2
Tourenplanung
Ein Logistikunternehmen liefert an 50 Standorte mit 8 LKW. Optimierte Routen reduzierten die Gesamtstrecke um 23 % und sparten Kraftstoff und Fahrerzeit.
Vom Marktplatz
Personalplanung
Ein Krankenhaus plant 120 Pflegekräfte über 3 Schichten unter Berücksichtigung von Verfügbarkeit und Arbeitsvorschriften. Automatisierte Planung reduzierte die Planungszeit von 8 Stunden auf Minuten.
Mit KI erstellt
Budgetverteilung
Ein Marketingteam verteilt 2 Mio. € auf 12 Kanäle zur Maximierung der Conversions. Die Optimierung fand eine 31 % bessere Verteilung als manuelle Planung.
Mit KI erstellt
Produktionsplanung
Ein Hersteller plant die wöchentliche Produktion über 5 Linien mit Materialbeschränkungen. Optimierte Pläne steigerten den Durchsatz um 15 % ohne zusätzliche Kapazität.
Vom Marktplatz
Lieferkettennetzwerk
Ein Einzelhändler wählt Lagerstandorte aus, um 200 Filialen zu minimalen Kosten zu beliefern. Netzwerkoptimierung reduzierte die Logistikausgaben um 18 %.
Vom Marktplatz
Ressourcenzuweisung
Eine Beratungsfirma weist 80 Berater 25 Projekten zu, passend nach Fähigkeiten und Verfügbarkeit. Die Optimierung verbesserte die Auslastung von 72 % auf 89 %.
Mit KI erstellt
In Minuten einsatzbereit
Vorlage wählen oder von Grund auf starten
Durchstöbern Sie über 100 Vorlagen oder starten Sie ein leeres Modell im Studio — visueller Canvas, KI-Assistent, JSON-Editor oder die JModel-DSL.
Variablen und Nebenbedingungen visuell festlegen
Nutzen Sie die Drag-and-Drop-Oberfläche, um Ihr Optimierungsmodell zu definieren. Setzen Sie Ziele, fügen Sie Nebenbedingungen hinzu und konfigurieren Sie Variablentypen.
Lösen und Ergebnisse erkunden
Klicken Sie auf Lösen und sehen Sie die Ergebnisse in Echtzeit. Analysieren Sie Variablenwerte, Sensitivitätsdaten und exportieren Sie Ihre Lösung.