Sowohl in der neuronalen als auch in der Kalzium Signalübertragung werden Informationen durch kurze Pulse oder Spikes, übertragen. Obwohl beide Systeme grundlegende Eigenschaften der Spike-Erzeugung teilen, wurden Integrate-and-fire (IF)-Modelle bisher nur auf neuronale Systeme angewendet. Diese Modelle bleiben auch dann behandelbar, wenn sie um Prozesse erweitert werden, die in Übereinstimmung mit Experimenten Spike-Zeiten mit korrelierten Interspike-Intervallen (ISI) erzeugen. Die statistische Analyse solcher nicht erneuerbarer Modelle ist Gegenstand dieser Arbeit. Das zweite Kapitel konzentriert sich auf die Berechnung des seriellen Korrelationskoeffizienten (SCC) in neuronalen Systemen. Es wird ein adaptives Modell betrachtet, das durch einen korrelierten Eingangsstrom getrieben wird. Es zeigt sich, dass neben den langsamen Prozessen auch die Dynamik des Modells den SCC bestimmt. Obwohl die Theorie für schwach gestörte IF-Modelle entwickelt wurde, kann sie auch auf stärker gestörte leitfähigkeitsbasierte Modelle angewendet werden und ist damit in der Lage, ein breites Spektrum biophysikalischer Situationen zu beschreiben. Im dritten Kapitel wird ein IF-Modell zur Beschreibung von Kalzium-Spikes formuliert, das die stochastische Freisetzung von Kalzium aus dem endoplasmatischen Retikulum (ER) und dessen Entleerung berücksichtigt. Die beobachtete Zeitskalentrennung zwischen Kalziumfreisetzung und Spikegenerierung motiviert eine Diffusionsnäherung, die eine analytische Behandlung des Modells ermöglicht. Die experimentell beobachtete Transiente, in der sich die ISIs einem stationären Wert annähern, kann durch die Entleerung des ER beschrieben werden. Es wird untersucht, wie die Statistiken der Transienten mit den stationären Intervallkorrelationen zusammenhängen. Es zeigt sich, dass eine stärkere Anpassung der Intervalle und eine kurze Transiente mit stärkeren Korrelationen einhergehen. Der Vergleich mit experimentellen Daten bestätigt diese Trends qualitativ. / In both neuronal and calcium signaling, information is transmitted by short pulses, so-called spikes. Although both systems share some basic principles of spike generation, integrate-and-fire (IF) models have so far only been applied to neuronal systems. These models remain analytically tractable even when extended to include processes that lead to the generation of spike times with correlated interspike intervals (ISIs) as observed in experiments. The statistical analysis of such non-renewal models is the subject of this thesis. In the second chapter we focus on the calculation of the serial correlation coefficient (SCC) in neural systems. We consider an adaptive model driven by a correlated input current. We show that in addition to the two slow processes, the dynamics of the model also determines the SCC. Although the theory is developed for weakly perturbed IF models, it can also be applied to more strongly perturbed conductance-based models and is thus able to account for a wide range of biophysical situations. In the third chapter, we formulate an IF model to describe the generation of calcium spikes, taking into account the stochastic release of calcium from the endoplasmic reticulum (ER) and its depletion. The observed time-scale separation between calcium release and spike generation motivates a diffusion approximation that allows an analytical treatment of the model. The experimentally observed transient, during which the ISIs approach a steady state value, can be captured by the depletion of the ER. We study how the transient ISI statistics are related to the stationary interval correlations. We show that a stronger adaptation of the intervals as well as a short transient are associated with stronger interval correlations. Comparison with experimental data qualitatively confirms these trends.