Das menschliche Nervensystem nutzt synaptische Plastizität, um Optimierungsprobleme zu lösen. Frühere Studien haben versucht, den Plastizitätsfaktor in den Trainingsprozess künstlicher Neuronalnetze einzubeziehen, jedoch benötigen die meisten dieser Modelle eine komplexe externe Steuerung des Netzes oder komplizierte neue Regeln. In dieser Arbeit wird ein neuer, naturge Inspirierter Optimierungsalgorithmus vorgestellt, der biologische neurale Plastizität nachahmt. Des Weiteren wird das Modell anhand von drei Datensätzen getestet und die Ergebnisse mit der Gradientenabstiegs-Optimierung verglichen.