Jahn, CarlosCarlosJahn1208087570000-0002-5409-0748Gast, JohannesJohannesGast2026-07-302026-07-302026Technische Universität Hamburg (2026)https://hdl.handle.net/11420/64101Background: Recent disruptions in waterway infrastructure highlight the vulnerabilities of waterway-dependent supply chains (SCs). Although substantial research in various disciplines exists, the effect of infrastructure availability on SC resilience (SCR) remains underexplored. This gap persists despite high-profile infrastructure failures, such as the 2021 Suez Canal blockage. Objective: This study develops a comprehensive SCR model for waterway-dependent SCs by integrating historical event data, infrastructure states, and dynamic time factors. The primary objective is to enable effective SC decision-making (SCDM) and the evaluation of mitigation strategies that preserve SC value during disruptions. Methods: This dissertation employs a mixed-method design to develop a multi-layer, multi-state SCR framework with four layers representing infrastructure, transportation, SCs, and industry. The approach integrates reliability theory to assess infrastructure availability, which informs an operations research model combining vehicle routing. Focusing on the West German canal system, the methods evaluate how availability affects cost, SC performance, and resilience strategies. Results: The results quantify the critical link between infrastructure state and SC performance, demonstrating how empirical transportation cost increases propagate through the supply chain. Key findings highlight the importance of infrastructure availability in facilitating effective risk mitigation, influenced by the warning times, availability, and SCR. The model further quantifies infrastructure disruption and mitigation effects on SCs' value and determines their viability. The analysis quantifies the system-wide cost of infrastructure disruption for the case study at approximately seven million EUR per day. Further, the model estimates the annual welfare utility of a single secondary lock chamber at one million EUR, demonstrating the scale of economic gains achievable through targeted resilience investments. In addition, the results reveal the novel 'shuttling effect': a cyclical phenomenon distinct from the 'ripple effect'. The shuttling effect arises from repeated, short-term capacity constraints in shared infrastructure. Conclusion: This research demonstrates that a deep understanding of infrastructure states is vital to strengthening SCR, particularly in waterway-dependent SCs. The resulting model provides actionable insights for SCDM and informs both private and public resilience enhancement strategies. Furthermore, the findings demonstrate that proactive SCDM can mitigate welfare loss more effectively than conventional reactive approaches by incorporating warning time, multimodal strategies, and considering the systemic risk of the 'shuttling effect'.Hintergrund: Jüngste Störungen der Wasserweginfrastruktur führen die Verwundbarkeit wasserwegabhängiger Lieferketten vor Augen. Obwohl in verschiedenen Disziplinen umfangreiche Forschung vorliegt, ist die Wirkung der Infrastrukturverfügbarkeit auf die Resilienz von Lieferketten (SCR) wenig untersucht. Diese Lücke besteht trotz prominenter Infrastrukturausfälle wie der Blockade des Suezkanals 2021 fort. Zielsetzung: Die Arbeit entwickelt ein umfassendes SCR-Modell für wasserswegabhängige Lieferketten und verbindet dazu historische Ereignisdaten, Infrastrukturzustände und dynamische Zeitfaktoren. Ziel ist, eine wirksame Entscheidungsfindung in der Lieferkette (SCDM) zu ermöglichen und Minderungsstrategien zu bewerten, die den Wert der Lieferkette während einer Störung erhalten. Methodik: Die Dissertation nutzt ein Mixed-Method-Design und entwickelt ein mehrschichtiges Mehrzustandsmodell der SCR mit vier Ebenen für Infrastruktur, Transport, Lieferkette und Industrie. Der Ansatz verbindet die Zuverlässigkeitstheorie zur Bewertung der Infrastrukturverfügbarkeit mit einem Operations-Research-Modell, das die Tourenplanung einschließt. Am Fallbeispiel des westdeutschen Kanalnetzes bewerten die Methoden, wie die Verfügbarkeit Kosten, Lieferkettenleistung und Resilienzstrategien beeinflusst. Ergebnisse: Die Ergebnisse quantifizieren den maßgeblichen Zusammenhang zwischen Infrastrukturzustand und Lieferkettenleistung und zeigen, wie sich empirisch ermittelte Transportkostensteigerungen durch die Lieferkette fortpflanzen. Zentral ist die Bedeutung der Infrastrukturverfügbarkeit für eine wirksame Risikominderung, beeinflusst durch Vorwarnzeiten, Verfügbarkeit und SCR. Das Modell quantifiziert ferner die Wirkung von Störung und Minderung auf den Wert der Lieferketten und bestimmt deren Überlebensfähigkeit. Für die Fallstudie beziffert die Analyse die systemweiten Kosten eines Infrastrukturausfalls auf rund sieben Millionen Euro pro Tag. Den jährlichen volkswirtschaftlichen Nutzen einer einzelnen zweiten Schleusenkammer schätzt das Modell auf eine Million Euro und zeigt damit die Größenordnung des wirtschaftlichen Gewinns, der sich durch gezielte Resilienzinvestitionen erreichen lässt. Zusätzlich weisen die Ergebnisse den neuartigen „Shuttling-Effekt" nach: ein zyklisches Phänomen, das sich vom „Ripple-Effekt" unterscheidet. Der Shuttling-Effekt entsteht durch wiederholte, kurzfristige Kapazitätsengpässe an gemeinsam genutzter Infrastruktur. Fazit: Die Arbeit zeigt, dass ein genaues Verständnis der Infrastrukturzustände wesentlich ist, um die Resilienz von Lieferketten zu stärken, insbesondere bei wasserwegabhängigen Lieferketten. Das entwickelte Modell liefert handlungsleitende Erkenntnisse für die SCDM und stützt Resilienzstrategien privater wie öffentlicher Akteure. Weiter zeigen die Ergebnisse, dass eine vorausschauende SCDM Wohlfahrtsverluste wirksamer mindert als herkömmliche reaktive Ansätze, indem sie Vorwarnzeit und multimodale Strategien einbezieht und das systemische Risiko des „Shuttling-Effekts" berücksichtigt.enhttps://creativecommons.org/licenses/by/4.0/supply chain resilienceinland waterway transportreliability theorymulti-state networkssupply chain decision-makingavailability assessmentSocial Sciences::388: TransportationDoctoral Thesis10.15480/882.17666Ivanov, DmitryDmitryIvanov