Die Optimierung stochastischer Dispositionsverfahren steht im Spannungsfeld zwischen exakter Theorie und Approximation. Erstere liefert i. e. S. optimale Dispositionsparameter, stellt an den Bedarfs- und Bereitstellungsprozess aber Anforderungen, die in der Praxis häufig nicht oder nur näherungsweise erfüllt sind. Letztere wird den Anforderungen der logistischen Planungspraxis weitgehend gerecht, birgt aber das Risiko suboptimaler Entscheidungen, also die Gefahr, dass die geforderte Lieferbereitschaft verfehlt oder bei ihrer Sicherstellung ein zu hoher Aufwand betrieben wird. Damit stellt sich die Frage, wann der Optimalitätsverlust approximativer Ansätze so groß wird, dass er den Vorteil der praxisnäheren Modellierung überwiegt, also auf speziellere Approximationen bzw. die exakte Theorie ausgewichen werden muss. Teil A der vorliegenden Arbeit beantwortet diese Frage für eine effiziente Approximation. Sie wird mit exakten Verfahren verglichen, der Bereich identifiziert, in dem sie sehr genaue Ergebnisse mit einem Bruchteil des Rechenaufwands exakter Algorithmen liefert und gegen den Bereich abgegrenzt, in dem mit nicht mehr vertretbaren Genauigkeitseinbußen zu rechnen ist. Teil B beleuchtet den Aspekt der Lieferfähigkeit bei exakter Optimierung und stellt ein Verfahren vor, mit dem Servicegradvorgaben bei den auf die exakte Theorie ausgerichteten Algorithmen ohne Einschränkung des Anwendungsbereichs und ohne nennenswerte Optimalitätsverluste berücksichtigt werden können.