Die Sicherstellung einer stabilen Versorgung von Produktionswerken mit kritischen Komponenten stellt eine zentrale Herausforderung in globalen Lieferketten dar. Besonders in der Automobilindustrie, die stark auf Just-in-Time- und Just-in-Sequence-Prinzipien setzt, können bereits geringfügige Störungen gravierende Auswirkungen auf die Produktionskontinuität haben. Engpasssituationen entstehen typischerweise, wenn ein Lieferant nicht in der Lage ist, die benötigten Mengen rechtzeitig bereitzustellen, beispielsweise aufgrund von Materialknappheit, Kapazitätsausfällen oder Transportverzögerungen. In solchen Fällen stützt sich BMW bislang auf manuelle Reichweitenanalysen oder IT-Systeme, die zwar Bestände und Lieferungen in Transit sichtbar machen, jedoch keine Simulation oder Optimierung erlauben. Diese Ansätze bilden eine wichtige Grundlage, stoßen jedoch in hochkomplexen Szenarien mit variierenden Werksprioritäten, schwankender Nachfrage und langen Transportlaufzeiten an ihre Grenzen. Ziel dieser Arbeit ist die Entwicklung eines mathematischen Optimierungsmodells, das die begrenzte Teileverfügbarkeit über mehrere BMW-Werke hinweg optimal allokiert. Das Modell wird in drei Varianten umgesetzt: ein Bandstoppermodell, das die strikte Versorgung kritischer Teile sicherstellt, ein Nacharbeitsmodell, das temporäre Fehlteile mit anschließendem Abbau zulässt, sowie ein Hybridmodell, das beide Ansätze kombiniert. Die Modelle werden als Gemischt-Ganzzahlige Lineare Programme (MILP) formuliert, berücksichtigen Transportlaufzeiten, dynamische Nachfrage und Kapazitätsrestriktionen und nutzen zeitabhängige Strafkosten zur Bewertung von Fehlteilen. Die Ergebnisse zeigen, dass die entwickelten Optimierungsansätze komplexe Versorgungsszenarien nachvollziehbar darstellen und verschiedene Verteilungsstrategien miteinander vergleichbar machen. Besonders das Hybridmodell bietet hier einen Vorteil, da es sowohl kritische Teile, die sofort zu Produktionsstopps führen können, als auch weniger kritische Teile, die später nachgearbeitet werden können, innerhalb eines einheitlichen Modells berücksichtigt. Diese Arbeit leistet damit einen Beitrag zur datenbasierten Entscheidungsunterstützung in Engpasssituationen und verdeutlicht das Potenzial mathematischer Modelle für die Integration in operative Planungsprozesse.