Greedy vs. DP Trade-off Studie für einen Wiener Versicherer
Übersicht
Worum es bei diesem Projekt geht.
Modelliere das Zuweisungsproblem (Schadensfälle x Gutachter, Constraints: Stunden, Kompetenzen, Dringlichkeitsregeln). Implementiere (1) den aktuellen Greedy nach Dringlichkeit als Baseline, (2) eine DP-Variante für eine vereinfachte 1-Gutachter-Version (zur Bestätigung des Lehrbuchverhaltens), (3) eine ILP-Formulierung für den realen Mehr-Gutachter-Fall. Re-spiele 90 Tage historischer Daten und vergleiche: Anteil rechtzeitig bearbeiteter dringlicher Fälle, Gesamtauslastung, Fairness über Gutachter. Liefere Code, 5-seitige Analyse und Entscheidungs-Empfehlung.
Das Briefing
Was Du tust und was Du zeigst.
Bewerte, ob ein Wechsel von Greedy auf DP/ILP messbar bessere Schadens-Zuweisungen liefert — auf Basis von 90 Tagen historischer Daten.
Earning criteria — what you'll demonstrate
- Verstehen, wann Greedy optimal ist und wann nicht (Matroid-/Exchange-Argumente)
- DP für ein konkretes Zuweisungsproblem korrekt formulieren
- Den Sprung von DP zu ILP für reale Mehr-Ressourcen-Probleme erkennen
- Algorithmen-Vergleiche auf historischen Daten methodisch sauber durchführen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenProduktmanager:in
Produktmanager:innen mit Verständnis für Greedy-vs.-DP-Trade-offs können realistisch entscheiden, wann ein Algorithmen-Upgrade den Aufwand wert ist.
Dieses Projekt schärft
- greedy-algorithms
- optimization
- benchmarking
Noch eine Sache