Während seiner normalen Funktion generiert das Gehirn starke elektrische Signale, die technisch gemessen werden können. Das schon seit über einem Jahrhundert bekannte Phänomen ermöglicht es die Signalverarbeitung im Gehirn räumlich und zeitlich zu beobachten. Heute versteht man die zellulären Prozesse die zur Generierung der elektrischen Signale in einzelnen Neuronen führen. Jedoch rekrutieren die meisten neuronalen Ereignisse große Populationen von Zellen, dessen Aktivität zeitlich und räumlich koordiniert ist. Diese Koordinierung führt dazu, dass ihre elektrische Aktivität auch weit von den Quellen gemessen werden kann, sodass die Beobachtung des Gehirns auch nicht invasiv auf der Schädeloberfläche mittels dem sogenannten Elektroenzephalogramm (EEG) möglich ist. Der zeitliche Verlauf des Signals hängt nicht nur von den Eigenschaften einzelner Zellen ab sondern auch von ihrer Wechselwirkung mit anderen Neuronen, die oft komplex oder gar nicht bekannt ist. Diese Komplexität verhindert die Auswertung der gemessen Signale im Bezug auf die Anzahl von aktiven Neuronen, die Art der Antwort (Inhibition, Exzitation), die Synchronisationsstärke und den Einfluss anderer aktiver Prozesse (wie zum Beispiel: Lernen, Aufmerksamkeit usw.). In dieser Arbeit werden die Zusammenhänge zwischen diesen mikroskopischen Parametern (einzelne Neurone) und ihrer makroskopischen Wirkung (EEG) experimentell, datenanalytisch und theoretisch untersucht. / During its normal function the brain generates strong and measurable electric signals. This phenomenon, which has been known for more than a century, makes it possible to investigate the signal processing in the brain. Nowadays the cellular processes taking part in the generation of the electric signals are well understood. However, most of the neuronal events recruit large populations of cells, whose activities are coordinated spatially and temporally. This coordination allows for summation of activities generated by many neurons leading to extracellular electric signals that can be recorded non-invasively from the scalp by means of electroencephalography (EEG). The temporal structure of the EEG signal does not depend only on the properties of single neurons, but also on their interactions that may be very complex. The complexity hinders the evaluation of the recoded signal with respect to the number of active neurons, the type of response, the degree of synchronisation and the contribution of other processes (such as, learning and attention). In the thesis, the relations between the microscopic (single-neuron) and their macroscopic (EEG) properties will be investigated by means of experimental, data-analytic and theoretical approaches.