Klassische Operations Research-Modelle benötigen exakte Daten. Um eine nichtzufriedenstellende Modellbildung zu vermeiden, ist daher zumeist eine umfangreiche Informationssammlung und -verarbeitung nötig. Dennoch können in der Realität aus Kostengründen, oder weil es Zukunftswerte sind, einige Modellparameter nur grob geschätzt werden. In den klassischen Modellen wird dann mit diesen „Mittelwerten“ gearbeitet und man läuft Gefahr, mit einem Modell zu arbeiten, das die Realität nicht ausreichend abbildet. Dieses Risiko lässt sich wirksam reduzieren, wenn man Fuzzy-Modelle verwendet. Hier lassen sich die subjektiven Vorstellungen eines Entscheidungsträgers so präzise modellieren, wie er dies beschreiben kann. Mittlerweile existieren für Fuzzy-Modelle überzeugende Lösungswege, die zumeist einen inter-aktiven Lösungsansatz verfolgen. Um Informationskosten zu sparen, sollte dabei das erste Modell nur aufgebaut werden mit den Informationen, die vorliegen oder einfach erworben werden können. Bei Beachtung von Kosten-Nutzen-Relationen werden dann zur Verbesserung des Modells schrittweise neue Informationen besorgt. Eine weitere erfolgreiche Anwendung der Fuzzy-Mengen-Theorie sind Fuzzy Control-Systeme, die seit 1979 häufig zur Steuerung komplizierter technischer Prozesse eingesetzt werden. Weniger bekannt ist aber, dass Fuzzy Logik-Modelle auch erfolgreich zur Unterstützung von Entscheidungs- und Bewertungsprozessen benutzt werden können. Da Fuzzy Logik-basierte Expertensysteme noch wenig bekannt sind, wird deren Vorgehensweise an Beispielen genauer erläutert und diskutiert.