In wohlhabenden Ländern wird es häufig als selbstverständlich angesehen, dass die Versorgung der Bevölkerung mit Gütern wie Trinkwasser, Nahrung, Medikamenten und Hygieneartikeln durch den Einzelhandel sichergestellt wird.  In Krisensituationen wie Pandemien, Cyber-Attacken oder Hyperinflation ist es aber denkbar, dass es zu Ausfällen von Supermärkten kommt, sodass diese nicht mehr in der Lage sind, die lückenlose Versorgung der Bevölkerung mit Grundgütern zu gewährleisten. In diesem Fall muss der Staat aktiv werden und Ausgabestellen organisieren, von denen aus Hilfsgüter an die Bevölkerung verteilt werden können. Ein Modell, mit dessen Hilfe solche Ausgabestellen in einem urbanen Kotext geplant werden können, ist das Mixed Mode PoD Set-up Problem (MMPoDSuP). Im Rahmen von dieser Masterarbeit wurde das MMPoDSuP zu einem Modell der Online Optimierung erweitert, durch das der zeitliche Verlauf einer Krisensituation dargestellt werden kann und Unsicherheiten in der Nachfrage nach Hilfsgütern berücksichtigt werden können. Anhand einer Fallstudie auf der Basis von Daten zur Struktur der Stadt Berlin wurde getestet, inwiefern die Performance des Modells durch die Einbeziehung von Prognosen zur zukünftigen Nachfrage nach Hilfsgütern verbessert werden kann. Die Ergebnisse der Fallstudie legen nahe, dass bereits Prognosen zu der Nachfrage weniger zukünftiger Perioden die Lösungen des Modells deutlich verbessern können. In fast allen getesteten Krisensituationen haben sich die Lösungen des Modells zudem als sehr robust gegenüber Nachfrageszenarien erwiesen, in denen die tatsächliche Nachfrage von der im Rahmen von Prognosen berücksichtigten Nachfrage abweicht.