Die Optimierung von Produktions- und Logistiksystemen ist seit Jahrzehnten ein Dauerthema sowohl in der Forschung als auch in der praktischen Anwendung. Nahezu alle Prozesse unterliegen zufälligen Schwankungen sowohl beim Auftragseingang als auch in Bezug auf die Bediendauern oder auch auf zufällige Störungen. Eine rein deterministische Betrachtung bildet diese relevanten Aspekte nicht ab und führt folglich zu einer verzerrten Widergabe der Realität. Stochastische Modelle ermöglichen es hingegen, Steuerungsstrategien unter Berücksichtigung derartiger Effekte quantitativ zu bewerten. Damit erlauben sie es, komplexe Entscheidungen im Vorfeld inkl. aller relevanten Abhängigkeiten und unter Einschließung von Zufallseinflüssen zu prüfen (z. B. in Form eines experimentierfähigen Digitalen Zwillings). Klassische mathematische Modelle gehen dabei fast immer von idealisierten Anfangsbedingungen aus. Woher die Eingangsgrößen für ein Modell kommen bzw. wie diese valide ermittelt werden können, ist leider nur selten Thema der mathematischen Literatur. Das vorliegende Buch versucht, hier konkrete Antworten zu geben.