Die simulationsbasierte Optimierung bietet heute zahlreiche M?glichkeiten, um komplexe praxisrelevante Aufgabenstellungen zu l?sen. Diese Arbeit widmet sich der simulationsbasierten Optimierung. Es wird zun?chst ein ?berblick ?ber Grundlagen zu Simulation, Optimierung und ihrer sinnvollen Kopplung gegeben. Dann werden traditionelle Optimierungsverfahren vorgestellt und insbesondere eindimensionale Suchstrategien und „Hill-Climbing"-Methoden betont. Metaheuristische Verfahren, die sich als ?u?erst m?chtig erwiesen haben, sind weiterer Schwerpunkt der Arbeit. Die in der Arbeit behandelten Metaheuristiken lauten „Evolution?re Algorithmen", „Tabu Search", „Simulated Annealing", „Ameisenalgorithmen" und „K?nstliche Neuronale Netze". Praktische Anwendungsbeispiele und Entwicklungstendenzen im Zusammenhang mit der simulationsgest?tzten Optimierung erweitern die Arbeit. Am Ende werden die M?glichkeiten von simulationsbasierter Optimierung bewertet und das Anwendungsspektrum verdeutlicht. Hierf?r wird versucht, die ermittelten Konzepte m?glichen praktischen Problemen und Aufgabenstellungen zuzuordnen.