In diesem Kapitel wird ein Machine-Learning-Verfahren zur Prognose der jeweils besten Lösungsheuristik in Abhängigkeit von den Charakteristiken einer Probleminstanz entwickelt. Der Aufbau orientiert sich an einem systematischen Entwicklungsprozess. Zunächst wird eine umfangreiche und möglichst vielfältige Datensammlung für ein Losgrößenproblem generiert. Diese Instanzen werden anschließend mit verschiedenen Lösungsheuristiken gelöst und die Ergebnisse analysiert. Im weiteren Verlauf erfolgt das Feature Engineering, bei dem geeignete Merkmale in Form von Key Performance Indikatoren abgeleitet werden, um die Probleminstanzen zu beschreiben. Es werden mehrere Prognosemethoden vorgeschlagen, die als Vergleichsmaßstab für die Leistungsbeurteilung herangezogen werden. Darauf aufbauend wird ein künstliches neuronales Netz entwickelt und trainiert, um die beste Lösungsheuristik vorherzusagen. Abschließend werden im Rahmen einer numerischen Studie die Prognosequalität des neuronalen Netzes sowie der weiteren Verfahren umfassend getestet und analysiert.