Daniel Schmand arbeitet an effizienten Lösungsmethoden für diskrete mathematische Optimierungsprobleme, wie sie zum Beispiel in der Produktion, im Verkehr, in der Unternehmensverwaltung oder auch in Medizin oder Sport vorkommen. Häufig werden auch mögliche Unsicherheiten wie zum Beispiel fehlerhafte Daten oder unsichere Annahmen in den Optimierungsprozess einbezogen und entsprechend behandelt.