In den letzten Jahren dominierten elektronikbasierte künstliche neuronale Netzwerke (KNN) die Computertechnik. Mit zunehmender Komplexität der Aufgaben stoßen konventionelle elektronische Architekturen jedoch an ihre Grenzen. Optische Ansätze bieten daher Lösungen durch analoge Berechnungen unter Verwendung von Materialien, die optische Signale zur synaptischen Plastizität steuern. Diese Studie untersucht daher die synaptischen Funktionen von photo- und elektrochrome Materialien für KNN. Das Modulationsverhalten des Moleküls Diarylethen (DAE) auf Oberflächenplasmonen wird in der Kretschmann-Konfiguration untersucht. Optische Impulsfolgen ermöglichen synaptische Plastizität wie Langzeitpotenzierung und -depression. DAE-Modulation und Informationsübertragung bei unterschiedlichen Wellenlängen ermöglichen simultane Lese- und Schreibvorgänge und demonstrieren die nichtflüchtige Informationsspeicherung in plasmonischen Wellenleitern. Die Integration von DAE in einem Y-Wellenleiter bildet somit ein vollständig optisches neuronales 2x1-Netzwerk. Synaptische Funktionen, die sich in DAE-Schaltvorgängen widerspiegeln, können somit in der Wellenleiterübertragung angewendet werden. Das Netzwerktraining für Logikgatter wird durch Gradientenverfahren erreicht, um UND- oder ODER-Funktionen auszuführen. Elektrochrome Materialien in Wellenleitern ermöglichen optoelektronische Modulation. Die Kombination von gelartigem Polymer-Elektrolyt PS-PMMA-PS:[EMIM][TFSI] mit PEDOT:PSS ermöglicht eine elektrisch-gesteuerte Absorptionsmodulation. Eine binäre komplementäre Steuerung von Übertragungen und somit auch optisches Multiplexing in Y-Wellenleitern können dadurch demonstriert werden. Der feste Polymer-Elektrolyt PEG:NaOtf ermöglicht eine optische Signalmodulation für neuromorphes Computing. Mithilfe von analog gesteuertes Gradientenverfahren kann daher in einem Y-Wellenleiter lineare Klassifikation, ohne die Verwendung von zusätzlichen Speicher- oder Prozesseinheiten, antrainiert werden. / In recent years, electronic-based artificial neural networks (ANNs) have been dominant in computer engineering. However, as tasks grow complex, conventional electronic architectures reach their limits. Optical approaches therefore offer solutions through analog calculations using materials controlling optical signals for synaptic plasticity. This study explores photo- and electrochromic materials for synaptic functions in ANNs. The switching behavior of the molecule diarylethene (DAE) affecting Surface Plasmon Polaritons (SPPs) is studied in the Kretschmann configuration. Optical pulse sequences enable synaptic plasticity like long-term potentiation and depression. DAE modulation and information transfer at distinct wavelengths allow simultaneous read and write processes, demonstrating non-volatile information storage in plasmonic waveguides. DAE integration into Y-branch waveguides forms full-optical neural 2x1 networks. Synaptic functions, reflected in DAE switching, can be thus applied in waveguide transmission. Network training for logic gates is achieved using gradient descent method to adapt AND or OR gate functions based on the learning set. Electrochromic materials in waveguides enable optoelectronic modulation. Combining gel-like polymer electrolyte PS-PMMA-PS:[EMIM][TFSI] with PEDOT:PSS allows electrical modulation, demonstrating binary complementary control of transmissions and optical multiplexing in Y-branch waveguides. The solid polymer electrolyte PEG:NaOtf enables optical signal modulation for neuromorphic computing, thereby facilitating the adaptation of linear classification in Y-branch waveguides without the need for additional storage or processing units.