Relative Permeabilitäts- und Kapillardrucksättigungsfunktionen sind für das Reservoir Engineering von wesentlicher Bedeutung, da sie die Effizienz von Wasser-Überschwemmungen auf mikroskopischer und makroskopischer Skala bestimmen. Diese Funktionen sind für die Vorhersage der Reservoirleistung durch die gesamte Reservoir-Lebensdauer erforderlich. Im Allgemeinen kann die relative Fluidphasenpermeabilität in dem Formationsgestein durch Durchführen von Verschiebungsexperimenten in der Kernprobe entweder durch stationäre oder instationäre Zustandsflutungsexperimente gemessen werden. Die konventionelle analytische Interpretation von Labor-SCAL-Experimenten, wie sie von vielen Servicelaboratorien durchgeführt werden, kann die Unsicherheit der relativen Permeabilitäts- und Kapillardruckdaten und damit der Reservoirsimulation erhöhen. Relative Permeabilität und Kapillardruckfunktion können zuverlässiger durch numerische Verlaufsabstufung von Versatzversuchen erhalten werden. Die Hauptprobleme des analytischen Ansatzes sind die groben Approximationen hinter den Interpretationsmodellen wie dem JBN-Ansatz [1]. Dies ist die restriktive Annahme, die die Wirkung von Kapillarkräften vernachlässigt, was vor allem ein Problem der Restölsättigung ist. So ist die numerische Modellierung von SS (Steady-State), USS (Unstabilität) und C (Zentrifuge) Experimente und insbesondere die Historienabstimmung der verwandten Produktions-, Druck- und Sättigungsdaten der Weg, um genauere Ergebnisse zu erzielen, da die volle Physik berücksichtigt wird . Schließlich wird das Verfahren durch Vergleich der in dieser Studie erhaltenen Ergebnisse mit Literaturdaten verglichen, die durch die Verwendung verschiedener Simulationswerkzeuge und -ansätze erhalten wurden. Die vorgelagene Masterarbeit zielt auf die numerische Interpretation von SCAL (Special Core Analysis) Daten ab, um die Qualität der relativen Permeabilität und der Kapillardrucksättigungsfunktionen zu verbessern. Durch die Simulation und die Geschichte, die mit SCAL-Experimenten übereinstimmen, werden wir typische experimentelle Probleme und die Defizite der analytischen Interpretationsmethoden überwinden. Im Rahmen der Arbeit werden numerische Modelle für verschiedene SCAL-Techniken eingerichtet und experimentelle Daten werden beschrieben. Um die beste Interpretation und eine bessere Handhabung zu erreichen, wird das History Matching Verfahren automatisiert.