Natürlich vorkommende Mineralien werden seit Tausenden von Jahren aus der Erde gefördert. Im Bergbau wird Operations Research (OR) hauptsächlich angewendet, um die Materialgewinnung zu vereinfachen und die Ressourcen für die Gewinnung effizienter zuzuordnen. Optimierungsprobleme im Bergbau werden üblicherweise nach ihrem Planungshorizont eingeordnet. Dabei werden Layout- und Designprobleme auf strategischer, Produktions- und Planungsprobleme auf taktischer und Ressourcenzuordnungsprobleme auf operativer Planungsebene behandelt. In dieser kumulativen Dissertation betrachten wir eine der größten deutschen Kalibergwerke und befassen uns mit drei Optimierungsproblemen auf drei verschiedenen Planungsebenen. Zunächst betrachten wir eine sogenannte „Gewinnungsprogrammplanung“ für einen Planungshorizont von einem Monat auf taktischer Planungsebene. Die betrachtete qualitätsorientierte Zielfunktion zielt auf eine gleichmäßige Kalisalzgewinnung hinsichtlich des beinhalteten Kaliums ab. Da die Menge der Gesamtförderung a priori unbekannt ist, kann die in der Gesamtförderung enthaltene Kaliummenge mithilfe nicht-linearer Nebenbedingungen in der mathematischen Formulierung bestimmt werden. Die Herausforderung besteht in der Linearisierung der entsprechenden Nebenbedingungen, damit ein gemischt ganzzahliges lineares Programm eingeführt werden kann. Darüber hinaus schlagen wir eine Heuristik vor, welche mindestens eine zulässige Lösung für realitätsnahe Probleminstanzen innerhalb eines angemessenen Zeitraums findet. Die Performanceanalyse an 100 zufällig generierten Probleminstanzen zeigt, dass eine subtile Kombination des vorgeschlagenen mathematischen Programms mit der eingeführten Heuristik nahezu optimale Lösungen für praxisrelevante Probleme findet. Als Nächstes betrachten wir eine „Grobplanung des Maschineneinsatzes“ innerhalb eines Planungshorizonts von einer Woche, welche zwischen der taktischen und der operativen Planungsebene eingeordnet werden kann und untersucht, ob die Ergebnisse der Gewinnungsprogrammplanung für die erste Woche des folgenden Monats umgesetzt werden können. Hierzu wird ein Maschinenplanungsproblem zur Minimierung des maximalen Fertigstellungszeitpunkts berücksichtigt. Wir stellen ein gemischt ganzzahliges lineares Programm vor, welches bestimmte Umstände in einem untertägigen Bergwerk wie die Wiederholung der Erstfreigabe berücksichtigt. Die größte Herausforderung besteht darin, einen Lösungsansatz zu entwickeln, der nahezu optimale Lösungen für große Probleminstanzen findet. Also wird eine Heuristik vorgeschlagen, der absichtliche Verzögerungen von Jobs vor Bearbeitungsstufen einbezieht, d. h. sogenannte aktive Pläne erzeugt. Die Performanceanalyse zeigt, dass kleine Probleminstanzen mit CPLEX optimal gelöst werden können. Bei größeren Instanzen liefert die vorgeschlagene Heuristik die besten Ergebnisse. Schließlich wird auf der operativen Planungsebene eine „Feinplanung des Maschinen- und Personaleinsatzes“ berücksichtigt. Das betrachtete Problem verfolgt einen gleichmäßigen Fortschritt im untertägigen Bergwerk innerhalb einer Arbeitsschicht. Um realistische Lösungen zu erstellen, müssen verschiedene Arten von Rüstzeiten in Betracht gezogen werden, die abhängig von der Bearbeitungsreihenfolge der Operationen an Maschinen und Arbeitern entstehen. Die größte Herausforderung besteht darin, die spezifischen Umstände einer Arbeitsschicht mathematisch darzustellen, z. B. die Berücksichtigung der Pausen der Mitarbeiter für eine eventuelle Verzögerung der Bearbeitungszeit, das Bestimmen des bearbeiteten Prozentsatzes eines Jobs während einer Arbeitsschicht, die Berechnung der Entfernungs- und Umrüstzeiten usw. Wir stellen eine Heuristik vor, die aus zwei Schritten besteht. Im ersten Schritt wird eine Relaxation des Problems unter Einhaltung einen Teil der genannten Nebenbedingungen gelöst. Die gefundene, typischerweise unzulässige Lösung wird im zweiten Schritt durch Einfügen der vernachlässigten Zeiten repariert. Die Ergebnisse zeigen, dass die vorgeschlagene Heuristik für 70 Prozent der realitätsnahen Probleminstanzen eine bessere Lösung als eine bestehende Heuristik finden kann. Anschließend formulieren wir ein neues, kompaktes, gemischt ganzzahliges lineares Programm, das mithilfe von TSP-Variablen alle Problemspezifikationen berücksichtigt. Wir zeigen, dass das vorgeschlagene gemischt ganzzahlige lineare Programm die vorgeschlagene zweistufige Heuristik erheblich übertrifft.