Gesellschaft für Operations Research e.V.

gor

MCDM 2026: Better Decisions for a Better Tomorrow, Wuppertal

We are looking forward to welcome you to the 28th International Conference on Multiple Criteria Decision Making at the University of Wuppertal in Germany from May 25-29, 2026.

Under the theme “Better Decisions for a Better Tomorrow”, we put together an interesting conference program that covers the various aspects of MCDM, focusing on the social, ecological and economical impact of MCDM.

Aims and Scope

  • Advances in MCDM Theory
  • AHP/ANP and extensions
  • Bi- and Multilevel Optimization
  • Computing and Software for MCDM
  • Data Envelopment Analysis
  • Decision Analysis
  • Decision Support Systems
  • Evolutionary Multi-objective Optimization (EMO)
  • Compromise Programming/Goal Programming
  • Group Decision Making
  • Interactive Methods
  • Multi-objective Combinatorial Optimization
  • Multi-objective Continous Optimization
  • Multi-objective Stochastic Programming
  • Outranking Methods
  • Practical Applications of MCDM
  • Preference Modelling
  • Problem Structuring
  • Robust Multi-objective Optimization
  • Teaching MCDM

Contact

Kathrin Klamroth
Michael Stiglmayr

University of Wuppertal
Optimization Group
mcdm2026[at]uni-wuppertal.de
Phone: +49 202 439 3487

Further information can be found at: https://mcdm2026.uni-wuppertal.de/

[Die GOR unterstützt diese Konferenz als B-Tagung.]

Die aktuelle „OR News“ 85 (Dezember 2025)

Das Magazin „OR News“ informiert unsere Mitglieder mit unterschiedlichen Fachbeiträgen, Hinweisen auf aktuelle OR-Publikationen, Berichten von Arbeitsgruppensitzungen und weiteren interessanten Beiträgen regelmäßig über neue Entwicklungen im Operations Research und über die Aktivitäten der GOR.

Informationen zur aktuellen „OR News“ finden Sie hier.

GOR-AG Analytics: Science meets Business – OR als Innovationsmotor, Duisburg

Science meets Business – Operations Research als Innovationsmotor | 25.11.2025 | Campus Duisburg

Das Zentrum für Logistik und Verkehr (ZLV) der Universität Duisburg-Essen und die GOR-Arbeitsgruppe „Analytics“ laden herzlich ein zu einer Veranstaltung, die Wissenschaft und Wirtschaft
zusammenbringt.

Die Märkte von morgen sind geprägt von Unsicherheiten: steigenden Energiekosten, knappen Ressourcen, komplexen Lieferketten und dynamischer Nachfrage. Für Start-ups und KMU aus dem Logistik- und Technologiebereich bedeutet das: Entscheidungen müssen schneller, smarter und datenbasiert getroffen werden, um wettbewerbsfähig zu bleiben und nachhaltig zu wachsen.

Genau hier setzt Operations Research (OR) an – mit wissenschaftlich fundierten Methoden, die komplexe Probleme in der Praxis lösen helfen. Ob bei der optimalen Routenplanung, der effizienten Produktionsoptimierung, der strategischen Lagerhaltung, der dynamischen Preisgestaltung oder der nachhaltigen Gestaltung von Lieferketten: OR bietet mathematische Modelle, Algorithmen und Datenanalysen, um Ressourcen besser einzusetzen, Risiken zu minimieren und
Wachstumspotenziale zu erschließen.

Im Zuge der Veranstaltung, organisiert gemeinsam von der Arbeitsgruppe „Analytics“ der Gesellschaft für Operations Research (GOR) und dem Zentrum für Logistik und Verkehr (ZLV) der Universität Duisburg-Essen, werden wir in einem interaktiven Format konkrete Herausforderungen aus der Praxis diskutieren – und zeigen, wie methodische Ansätze aus dem Bereich OR dabei unterstützen können.

Science meets Business bietet die Gelegenheit, sich mit Expert*innen aus Forschung und Praxis auszutauschen, neue Perspektiven zu gewinnen und den Grundstein für zukünftige Kooperationen zu legen – etwa in Form studentischer Abschlussarbeiten oder gemeinsamer Forschungsprojekte.

Termin: 25.11.2025
Uhrzeit: 09:00–14:00 Uhr
Ort: Gerhard-Mercator-Haus, Campus Duisburg
Anmeldung: zlv@uni-due.de

Mit herzlichen Grüßen
Prof. Dr. Jochen Gönsch & Prof. Dr. Rouven Schur

Weitere Informationen entnehmen Sie bitte der offiziellen Ankündigung: https://www.uni-due.de/imperia/md/content/zlv/science-meets-business–operations-research–20251125.pdf