Die Charakterisierung natürlich geklüfteter Erdöl - und Erdgaslagerstätten (NFR) ist ein komplexer Prozess. Deshalb soll, befor eine Lagerstättenstudie im Feldmaßstab durchgeführt wird, als erster Schritt eine Charakterisierung der Kluftsysteme sowie deren Auswirkung auf die Lagerstätteneigenschaften vorgenommen werden. Die vorliegende Arbeit befasst sich mit zwei Ansätzen, die in den vergangenen Jahren vermehrt Beachtung gefunden haben. Die Modellierung diskreter Kluftsysteme (DFN) ist das zur Zeit am häufigsten verwendete Verfahren, um Klüfte individuell zu identifizieren und zu kartieren. Von dem Kluftsystem werden dann die für das dynamische Lagerstättenmodell benötigten Parameter abgeleitet, welche als repräsentativ für den Einfluss des Kluftsystems auf das Fließverhalten in der Lagerstätte angesehen werden. Die kontinuierliche Modellierung von Kluftsystemen (CFM) wurde in den letzten zehn Jahren entwickelt. Diese Technik legt starkes Augenmerk auf die geologischen Rahmenbedingungen, die zur Erhöhung der Kluftintensität führen, und auf die Analyse und Integration seismischer Attribute im dreidimensionalen Raum. Im Gegensatz zu DFNs verwendet CFM neuronale Netzwerke zur Berechnung der Kluftintensität in der Lagerstätte. Basierend auf bestehender Literatur werden diese Prinzipien in dieser Arbeit eingehend erläutert und die Arbeitsschritte beschrieben.