Spiking Neural Networks (SNN) stellen einen vielversprechenden Forschungsansatz für die Entwicklung präziser und effizienter Systeme zur automatischen Spracherkennung dar. Durch jüngste Fortschritte in der Audio-zu-Spike-Encoderung und Trainingsalgorithmen ist die Anwendung von SNN in praktischen Aufgaben nun möglich geworden. Biologisch inspirierte SNN kommunizieren mittels spärlicher, asynchroner Ereignisse. Daher ist die Spike-Timing für die Leistungsfähigkeit von SNN von entscheidender Bedeutung. In diesem Zusammenhang konzentrieren sich die meisten Arbeiten auf das Training von synaptischen Gewichten, während nur wenige Untersuchungen die Verzögerungen bei der Ereignisübertragung – also die axonale Verzögerung – berücksichtigen. In dieser Arbeit betrachten wir eine lernbare axonale Verzögerung, die durch einen maximalen Wert begrenzt ist und sich entsprechend der Verteilung der axonalen Verzögerungen in jeder Netzwerkschicht anpassen lässt. Wir zeigen, dass unsere vorgeschlagene Methode die bisher besten Klassifikationsergebnisse auf den Datensätzen SHD (92,45 %) und NTIDIGITS (95,09 %) erzielt. Unsere Arbeit unterstreicht das Potenzial des Trainings axonaler Verzögerungen für Aufgaben mit komplexen zeitlichen Strukturen.