Die Logistikbranche ist mit 2,75 Millionen Angestellten und einem Umsatz von ca. 223 Millionen Euro eine der größten Wirtschaftsbranchen in Deutschland. Die Anforderungen an die Logistik steigen stetig. Das erfordert immer schnellere Belieferungskonzepte z.B. durch Lieferungen im Onlinekauf bereits am nächsten Tag oder präzisere Planung durch Just-In-Time Lieferung zu möglichst geringen Preisen. Die Ansprüche an schnelle Verteilungssysteme erzeugen höhere Kosten im Unternehmen und nehmen auch als Wettbewerbsvorteil einen immer größeren Stellenwert ein. Das Ziel des Managements von Industrieunternehmen ist es deshalb, die Senkung von Kosten durch Auslegung von effektiven und effizienten Vertriebssystemen und Netzwerken zu gewährleisten. Damit gelangen Standort- und/oder Tourenplanung zunehmend in den Fokus des Interesses. Die Optimierung von Standorten und Touren ist in vielen Fällen aber voneinander inhaltlich abhängig, da zum Beispiel bei der Warenverteilung die Transportkosten von dem Standort des Logistikzentrums, also dem Start- und Endpunkt der Tour, abhängen und dadurch ein Einfluss auf die Lösung des jeweils anderen Problems entsteht. Hier setzt die Theorie der kombinierten Standort-Tourenplanung an, bei der gleichzeitig durch die Kombination von möglichen Standorten und möglichen Touren das Optimum gesucht wird. Dieser Ansatz wird in der wissenschaftlicher Literatur als Location-Routing Problem (LRP) bezeichnet. In der vorliegenden Arbeit werden erstmalig dynamische (mit Berücksichtigung mehrerer Planungsperioden) Modelle des LRP mit einer deterministischen (bekannter) und stochastischen (unsicherer) Nachfrage aufgestellt und untersucht. Zur Modellierung solcher kombinatorischer Optimierungsprobleme werden konkrete Beispielfälle, sogenannte Instanzen, verwendet. Für neue wissenschaftliche Ansätze existieren jedoch noch nicht genug Instanzbibliotheken, so dass vorhandene Instanzen für die eigene Problemstellung modifiziert oder eigene Instanzen generiert werden. Zu diesem Zweck wurde im Zuge dieser Arbeit für stochastische Nachfragen ein auf Prognosen der exponentiellen Glättung basiertes Tool zum Erstellen von synthetischen Zeitreihen entwickelt und neue Instanzen für das PLRP generiert. Anhand zuvor generierter Instanzen werden anschließend Modelle des PLRP mit der eigens für diese Arbeit entwickelten und auf dem Einsatz von genetischen Algorithmen basierten Optimierungssoftware AdL(e)R (Advanced Location Routing) analysiert, indem anhand von Szenarien die zuvor erläuterten Modelle des dynamischen LRP ausgewertet werden. Dabei werden die Forecast-Gesamtoptimierung, die vorperiodische Optimierung mit den Modellen mit realen Nachfragen verglichen. Im Anschluss erfolgt dann die Gegenüberstellung der beiden Methoden mit den dynamischen LRP-Modellen mit realen Nachfragen.