Im Rahmen dieser Arbeit wurde an der Entwicklung eines Laborsystems gearbeitet, das elektrophysiologische Untersuchungen von Zellgruppen im auditorischen Cortex der Katze ermöglichte. Durch einen selbstlernenden Algorithmus zur Mustererkennung konnten mit einer einzelnen Mikroelektrode bis zu fünf Neurone an den Formen ihrer Aktionspotentiale unterschieden und gleichzeitig abgeleitet werden. Durch den Einsatz mehrerer vernetzter Computer war eine weitgehende Automatisierung der Experimente möglich, von der Tonerzeugung bis zur Speicherung und grafischen Online­Darstellung der Daten. Ziel der damit ausgeführten Untersuchungen war es, einen Zusammenhang zwischen der Funktion von Neuronen und der sie verbindenden Netzwerkstruktur nachzuweisen. Dazu wurde von allen gefundenen Zellen deren Reaktion auf Sinustöne aufgezeichnet und ausgewertet. Insbesondere Bestfrequenz, Latenzzeit und Spontanrate wurden bestimmt. Aussagen über die synaptischen Verbindungen zwischen den Zellen ermöglichte die Korrelationsanalyse. Dazu wurde die mathematische Methode des Shift­Predictors zur Korrektur von Kreuzkorrelationsfunktionen bei nichtstationären Punktprozessen an die Struktur der im Experiment gewonnenen Daten angepaßt und ein statistischer Test für die Signifikanz der damit gewonnenen Ergebnisse hergeleitet. In der Auswertung wurden anhand der in über 30 Experimenten gewonnenen Daten drei Fragenkomplexe bearbeitet:­ Die räumliche Homogenität des auditorischen Cortex­ Der Grad der lokalen Vernetzung­ Der Zusammenhang zwischen funktioneller Äquivalenz und struktureller Verknüpfung von NeuronenDabei ergaben sich im wesentlichen folgende Ergebnisse: Die Eigenschaften von Neuronen streuen lokal zum Teil erheblich: Man findet Zellen, die sehr stark auf Geräusche reagieren, direkt neben solchen, die sich überhaupt nicht akustisch reizen lassen; die Art der Reaktion wechselt innerhalb weniger µm von tonisch auf phasisch, und Bestfrequenzen streuen um bis zu drei Oktaven. Auch die Zeit vom Reiz bis zur neuronalen Reaktion schwankt lokal um bis zu 80 ms. Im Durchschnitt beträgt die Abweichung der Bestfrequenzen ca. 1/2 Oktave und die Latenzzeitdifferenz etwa 15 ms. Deutliche lokale Unterschiede finden sich auch in der Spontanaktivität: Bis zum hundertfachen übertreffen manche Neurone ihre Nachbarn; im Durchschnitt weichen die Aktivitäten um den Faktor 4 voneinander ab. Allerdings ist auch ein Hang zur lokalen Ordnung vorhanden: Dicht beieinanderliegende Neurone zeigen mehr Gemeinsamkeiten als weit auseinanderliegende: Bestfrequenz und Spontanaktivität von zwei beliebig weit auseinanderliegenden Zellen weichen im Schnitt um 1,5 Oktaven bzw. um den Faktor 5 voneinander ab, während bei den Latenzzeiten ein solcher Effekt zunächst nicht sichtbar ist. Die Auswertung der Korrelogramme ergab, daß 20% aller Zellen synaptische Verbindung zu einem benachbarten Neuron haben und ca. 50% aller Paare gemeinsame Afferenzen haben. Theoretische Modelle von neuronalen Netzen ermöglichen Lernen durch Modifizierung von Synapsen: Die Leitfähigkeit steigert sich, wenn prä­ und postsynaptisches Neuron oft zur gleichen Zeit aktiv sind und nimmt ab, wenn Zellen selten gemeinsam ein Aktionspotential produzieren. Ein durch diesen Mechanismus geprägtes Netzwerk müßte einen Zusammenhang zwischen Ähnlichkeit der Reaktion auf äußere Reize und Stärke der synaptischen Verbindung aufweisen. Tatsächlich sind direkt verbundene Zellen etwas weniger unterschiedlich in ihren Reaktionen als solche mit gemeinsamem Input und diese sind wiederum ähnlicher als solche ohne jede Verbindung. Sogar bei der Spontanaktivität zeigt sich dieses Phänomen: Die Feuerraten verbundener Neurone unterscheiden sich weniger voneinander als die von unabhängigen Zellen.