Ziel dieser Arbeit ist es eine Beziehung zwischen den biophysikalischen Eigenschaften der Nervenmembran, und den ausgeführten Berechnungen und Filtereigenschaften eines tonisch feuernden Neurons, unter Einbeziehen intrinsischer Fluktuationen, herzustellen. Zu diesem Zweck werden zu erst die mikroskopischen Fluktuationen, die durch das stochastische Öffnen und Schließen der Ionenkanäle verursacht werden, zu makroskopischer Varibilität in den Zeitpunkten des Auftretens der Aktionspotentiale übersetzt, denn es sind diese Spikezeiten die in vielen sensorischen Systemen informationstragenden sind. Die Methode erlaubt es das stochastischer Verhalten komplizierter Ionenkanalstrukturen mit einer großen Zahl an Untereinheiten, in Spikezeitenvariabilität zu übersetzen. Als weiteres werden die Filtereigenschaften der Nervenzellen in der überschwelligen Dynamik, also bei Existenz eines stabilen Grenzzyklus, aus ihren Phasenantwortkurven (PAK), einer Eigenschaft des linearisierten adjungierten Flusses auf dem Grenzzyklus, in einem stöhrungstheoretischen Ansatz berechnet. Es ergibt sich, dass Charakteristika des Filter, wie beispielsweise die DC Komponente und die Eigenschaften des Filters um die Fundamentalfrequenz und ihrer Harmonien, von den Fourierkomponenten der PAK abhängen. Unter Verwendung der hergeleiteten Filter und weiterer Annahmen ist es möglich das frequenzabhängige Signal-zu-Rauschen Verhältnis zu berechnen, und damit eine untere Schranke für die Informationstransferrate eines Leitfähigkeitsmodells zu berechnen. Unter Zuhilfenahme der numerischen Kontinuierungsmethode ist es möglich die Veränderungen in der Spikevariabilität und den Filtern für jeden biophysikalischen Parameter des System zu verfolgen. Weiterhin wurde die verwendete Phasenreduktion durch eine Korrektur ergänzt, die die Radialdynamik einbezieht. Es zeigt sich, dass die Krümmung der Isochronen einen Einfluss darauf hat ob das Rauschen einen positiven oder negativen Frequenzschift hervorruft. / The goal of the thesis is to establish quantitative, analytical relations between the biophysical properties of nerve membranes and the performed neuronal computations for neurons in a tonically spiking regime and in the presence of intrinsic noise. For this purpose, two major lines of investigation are followed. Firstly, microscopic noise caused by the stochastic opening and closing of ion channels is mapped to the macroscopic spike jitter that affects neural coding. The method is generic enough to allow one to treat Markov channel models with complicated, high-dimensional state spaces and calculate from them the noise in the coding variable, i.e., the spike time. Secondly, the suprathreshold filtering properties of neurons are derived, based on the phase response curves (PRCs) by perturbing the associated Fokker-Planck equations. It turns out that key characteristics of the filter, such as the DC component of the gain and the behaviour near the fundamental frequency and its harmonics are related to the particular Fourier components of the PRC and hence the bifurcation type of the neuron. With the help of the derived filter and further approximations one is able to calculate the frequency resolved signal-to-noise ration and finally the total information transmission rate of a conductance based model. Using the method of numerical continuation it is possible to calculate the change in spike time noise level as well as the filtering properties for arbitrary changes in biophysical parameter such as varying channel densities or mean input to the cell. We extend the phase reduction to include correction terms from the amplitude dynamics that are related to the curvature of the isochrons and provide a method to identify the required amplitude sensitivities numerically. It can be shown that the curvature of the isochron has a direct consequence for the noise induced frequency shift.