Das Ziel von computational neuroscience ist, neuronale Transformationen zu beschreiben und deren Mechanismen und Funktionen zu beleuchten. Diese Doktorarbeit kombiniert Experiment, Datenanalyse und Modelle um neuronale Kodierung anhand des auditorischen Systems von Feldheuschrecke und Grille zu erforschen. Der erste Teil befasst sich mit der neuronalen Repräsentation von Balzsignalen in Feldheuschrecken. In Rezeptoren ist die Kodierung dieser Signale homogen - alle Neuronen bilden den Reiz gleich ab. In nachgeschalteten Zellen wird die Kodierung spärlicher, sowohl auf Ebene der Zeit als auch der Zellpopulation. Es entsteht ein labeled line code, bei dem unterschiedliche Nervenzellen unterschiedliche Merkmale des Stimulus abbilden. Dieser Transformation liegt eine nichtlineare Kombination von mehreren Stimulusmerkmalen zu Grunde. Die erhöhte Spezifizität von Neuronen dritter Ordnung ermöglicht eine einfache Art der Musterklassifikation, bei der die Zeitpunkte bestimmter Reizelemente innerhalb des Signals ignoriert werden können. Die beschriebene Reiztransformation repräsentiert einen Mechanismus für die Erkennung zeitlich redundanter Kommunikationssignale, wie sie von vielen Insekten produziert werden. Im zweiten Teil wird gezeigt, dass die spektrale und zeitliche Abstimmung von Neuronen zweiter Ordnung bei Grillen von der Komplexität des Reizes abhängt. Während die Abstimmung für Reize mit nur einer Trägerfrequenz breit ist, führen Reize mit mehreren Trägerfrequenzen zu einer Schärfung. Hierdurch kann Information über einzelne Komponenten eines komplexen Signals in der Kodierung erhalten werden. Ein statisches Netzwerkmodell zeigt, dass diese adaptive Abstimmung mit Mechanismen erzeugt werden kann, die in Nervensystemen vieler Organismen vorkommen. Wie diese Doktorabeit zeigt, vereinen Insekten einfach aufgebaute und gut zugängliche Nervensysteme mit komplexen Reiztransformationen. Dies macht sie zu produktiven Modellorganismen für die Neurowissenschaften. / The goal of computational neuroscience is to describe the stimulus transformations performed by neural systems and to elucidate their mechanisms and functions. This thesis combines experiment, data analysis and theoretical modeling to explore neural coding in the small auditory systems of grasshoppers and crickets. The first part deals with the transformation of the neural representation of courtship signals in grasshoppers. The code in auditory receptors is relatively homogeneous. That is, all neurons represent a very similar stimulus feature. Representation in higher-order neurons leads to an increase of temporal and population sparseness. This creates a labeled-line population code where different neurons represent different and specific stimulus features. Sparseness in the system increases through a nonlinear combination of two stimulus features. This transformation enables a simple mode of pattern classification, which ignores the timing of individual features and relies only on their average values during a signal. The transformation can therefore facilitate the recognition of the long, temporally redundant communication signals produced by grasshoppers and other insects. The second part shows that spectral and temporal tuning of second-order neurons in crickets strongly depends on the complexity of the stimulus. While tuning is relatively broad for single-carrier stimuli, signals containing multiple carrier frequencies lead to a sharpening of the tuning. This sharpening preserves information about individual components of a complex stimulus. A network model revealed that such adaptive tuning can be implemented in a static network with mechanisms that are ubiquitous in many neural systems. In summary, this study shows that the nervous systems of insects combine a relatively simple structure with complex stimulus transformations. This renders them empirically accessible and suitable model systems for computational neuroscience.