Echtzeitkommunikation: VoIP, Latenz und Quality of Service

Echtzeitkommunikation: VoIP, Latenz und Quality of Service

https://bildung.social/@oerinformatik/

https://oer-informatik.de/voip-qos

VoIP, SIP, RTP, Codec, Cloud-Telefonanlage, Latenz, Jitter, Paketverlust, Quality of Service, DSCP, Videokonferenz, STUN

tl/dr; (ca. 22 min Lesezeit): Wie kommt ein Telefongespräch durch ein Datennetz, und warum stockt die Videokonferenz, sobald jemand ein großes Backup hochlädt? Der Artikel erklärt die Bausteine der IP-Telefonie (Telefone, Telefonanlage lokal oder in der Cloud, SIP-Trunk), die Protokolle SIP und RTP, Sprachcodecs und die Konfiguration eines IP-Telefons samt NAT-Problemen und STUN. Danach geht es um die Netzqualität: Latenz, Jitter und Paketverlust mit Ursachen und Richtwerten, die Bandbreite für Telefonie und Videokonferenzen, Quality of Service mit Klassifizierung, Markierung und Warteschlangen sowie typische Fehlerbilder bis hin zu abbrechenden Faxen [AI-Assisted]. (Zuletzt geändert am 28.10.2026)

Schon fit in diesem Thema? Nutze die Kann-Liste und die Leitfragen unter dem Artikel als Checkliste, ob Du die relevanten Kompetenzen bereits hast. Hier klicken, um Kann-Liste ein- oder auszublenden

Dieser Artikel baut auf der Kann-Liste des Artikels Übertragungsdauer und Bandbreite berechnen auf.

Als Grundlagen zur Echtzeitkommunikation kann ich nach Durchlesen des Artikels…

• … die Bestandteile einer VoIP-Lösung nennen und Vor- und Nachteile einer Cloud-Telefonanlage gegenüber einer lokalen Anlage angeben.

• … die Aufgaben von SIP und RTP unterscheiden und den Aufbau eines Gesprächs beschreiben.

• … die Mindestbandbreite für VoIP-Gespräche aus Codec, Overhead und Anzahl der Gespräche berechnen.

• … den Konfigurationsdialog eines IP-Telefons ausfüllen und erklären, wann ein STUN-Server nötig ist.

• … die Funktion von Quality of Service erläutern, auch anhand eines englischen Herstellertextes, und eine Möglichkeit zur Umsetzung beschreiben.

Darüber hinaus kann ich als Expertenwissen zur Echtzeitkommunikation…

• … Latenz, Jitter und Paketverlust beschreiben, Ursachen angeben und Messwerte anhand von Richtwerten beurteilen.

• … Fälle beschreiben, in denen sich hohe Latenz besonders negativ auswirkt.

• … erläutern, wie Videokonferenz-Software auf zu wenig Bandbreite reagiert und wovon ihr Bandbreitenbedarf abhängt.

• … Ursachen für schlechte Sprach- und Bildqualität und für gestörte Faxübertragungen über VoIP beschreiben und Abhilfen nennen.

Telefonie läuft heute fast überall über Datennetze: Das klassische ISDN ist in Deutschland abgeschaltet, Telefonanschlüsse sind IP-Anschlüsse, und Videokonferenzen gehören zum Arbeitsalltag. Sprache und Bewegtbild stellen dabei andere Anforderungen an ein Netz als ein Datei-Download: Nicht die Menge der Daten ist das Problem, sondern dass sie pünktlich und gleichmäßig ankommen müssen.

Die Grafik zeigt die Bausteine im Überblick: Telefone und Telefonanlage im Firmennetz, den Router mit QoS am Übergang zum Internet, den SIP-Trunk des Providers und ein Softphone im Homeoffice.

Bausteine der IP-Telefonie

Bei VoIP (Voice over IP) wird Sprache digitalisiert, in kleine Pakete aufgeteilt und über IP-Netze übertragen. Beteiligt sind:

• Endgeräte: IP-Telefone (Tischtelefone mit Netzwerkanschluss, oft per Power over Ethernet versorgt), Softphones (Telefonie-Software auf PC oder Smartphone), DECT-Basisstationen für schnurlose Telefone.

• Telefonanlage (IP-PBX, Private Branch Exchange): verwaltet Nebenstellen, vermittelt interne Gespräche, steuert Weiterleitungen, Warteschleifen, Anrufbeantworter. Sie kann lokal im eigenen Serverraum stehen oder als Cloud-Telefonanlage (hosted PBX, virtuelle Telefonanlage) bei einem Anbieter betrieben werden.

• SIP-Trunk: Anschluss einer Telefonanlage an das öffentliche Telefonnetz über den Internetanschluss eines Providers. Über einen Account sind mehrere gleichzeitige Gespräche und ein ganzer Rufnummernblock möglich.

• Gateways verbinden IP-Telefonie mit alten Geräten, z. B. analoge Telefone, Faxgeräte oder Türsprechstellen (ATA, Analog Telephone Adapter).

Signalisierung mit SIP, Sprachdaten mit RTP

IP-Telefonie trennt zwei Aufgaben:

• SIP (Session Initiation Protocol, RFC 3261) signalisiert: Telefone melden sich bei der Anlage an, bauen Gespräche auf, klingeln, nehmen an, legen auf. SIP ist textbasiert (ähnlich HTTP) und nutzt standardmäßig Port 5060 (UDP oder TCP), verschlüsselt als SIPS über TLS Port 5061. Mit dem eingebetteten SDP (Session Description Protocol) handeln die Telefone aus, welchen Codec und welche IP-Adressen und Ports sie für die Sprache verwenden.

• RTP (Real-time Transport Protocol, RFC 3550) transportiert die Sprachdaten, meist über UDP und dynamische Ports. Jedes RTP-Paket trägt eine Sequenznummer und einen Zeitstempel, damit der Empfänger Reihenfolge und Takt wiederherstellen kann. Verschlüsselt heißt es SRTP.

Warum UDP? Ein verlorenes Sprachpaket nochmals zu senden (wie TCP es tut) wäre sinnlos: Bis es ankommt, ist der Moment im Gespräch vorbei. Eine kurze Lücke fällt weniger auf als eine Verzögerung.

Damit ein Telefon erreichbar ist, meldet es sich beim SIP-Registrar an (REGISTER mit Benutzername und Passwort); Gesprächswünsche schickt es an den SIP-Proxy, der sie weitervermittelt. Bei einer Telefonanlage übernimmt diese meist beide Rollen.

Sprachcodecs

Ein Codec (Coder/Decoder) wandelt das Mikrofonsignal in Daten um und zurück. Codecs unterscheiden sich in Datenrate, Klangqualität und Rechenaufwand:

Verbreitete Sprachcodecs

Codec	Datenrate (Nutzdaten)	Qualität
G.711 (a-law in Europa, µ-law in Nordamerika)	64 kbit/s	Festnetzqualität (schmalbandig, 300–3.400 Hz), unkomprimiert, kaum Verzögerung
G.722	64 kbit/s	HD-Telefonie (breitbandig, 50–7.000 Hz)
G.729	8 kbit/s	stark komprimiert, geringere Qualität, mehr Rechenaufwand
Opus	6–510 kbit/s, variabel	passt sich der Netzqualität an, in vielen Apps und Konferenzsystemen

Im Telefon wird eine Codec-Priorität eingestellt: Beim Verbindungsaufbau wird der erste Codec gewählt, den beide Seiten beherrschen.

Durch die vielen kleinen Pakete (typisch 50 Pakete je Sekunde und Richtung) ist der Protokoll-Overhead hoch. Mit IP-, UDP-, RTP- und Ethernet-Headern braucht ein G.711-Gespräch auf der Leitung rund 87 kbit/s je Richtung. Aufgaben geben meist einen Overhead in Prozent vor.

Bandbreite für Telefonie und Videokonferenzen

Für die benötigte Bandbreite multiplizierst Du die Codec-Datenrate mit dem Overhead-Faktor und der Anzahl gleichzeitiger Verbindungen. Sie wird im Upload und im Download gebraucht. Bei einer Cloud-Telefonanlage zählen interne Gespräche doppelt, weil beide Teilnehmenden mit der Cloud verbunden sind. Rechenbeispiele dazu stehen im Artikel Übertragungsdauer und Bandbreite berechnen.

Bei Videokonferenzen ist der Bedarf nicht fest, denn die Clients arbeiten mit adaptiver Bitrate: Sie werten laufend Paketverlust und Laufzeit aus, die die Gegenseite zurückmeldet, und regeln ihre Senderate nach. Ein Sprachstrom (z. B. Opus) braucht nur einige zehn kbit/s, ein Videostrom dagegen ein bis mehrere Mbit/s. Die Regelung greift deshalb fast vollständig beim Video ein, bis hin zum Abschalten der Kamera. In Gruppen schicken viele Clients ihr Bild zusätzlich in mehreren Qualitätsstufen an den Server (Simulcast); jeder Empfänger bekommt die Stufe, die zu seiner Leitung passt. Datenblätter geben die Werte deshalb getrennt für Upload und Download und für Zweier- und Gruppengespräche an.

Ein IP-Telefon einrichten

Die wichtigsten Einträge im Konfigurationsdialog eines IP-Telefons:

Typische Einträge im Konfigurationsdialog eines IP-Telefons

Einstellung	Bedeutung	Beispiel (lokale Anlage)
IP-Adresse	statisch oder per DHCP; viele Telefone erhalten Adresse, Sprach-VLAN und Anlage per DHCP bzw. LLDP-MED	dynamisch
SIP-Registrar (SIP-Server)	Server, bei dem sich das Telefon anmeldet	IP oder Name der Telefonanlage
SIP-Proxy, Outbound-Proxy	Server, über den Gespräche vermittelt werden; ein Outbound-Proxy erzwingt, dass alle SIP-Nachrichten über ihn laufen	meist ebenfalls die Telefonanlage
Anmeldename (Auth-User), Passwort	Anmeldedaten der Nebenstelle (nicht die Zugangsdaten des SIP-Trunks)	214, langes Passwort
Transport	UDP, TCP oder TLS für SIP	TLS (Port 5061)
Registrierungsintervall	nach wie vielen Sekunden sich das Telefon erneut anmeldet (expires)	600 s
Codec-Priorität	Reihenfolge der angebotenen Codecs	1. G.722, 2. G.711 a-law
VLAN-ID, Priorität, DSCP	Sprach-VLAN, 802.1p-Priorität für getaggte Pakete und DSCP-Wert für RTP (siehe Quality of Service)	VLAN 42, Priorität 5, DSCP 46
RTP-Portbereich	UDP-Ports, auf denen das Telefon Sprachpakete annimmt	11000–11999
STUN-Server	ermittelt die öffentliche Adresse hinter NAT	leer (siehe unten)
SRTP	Verschlüsselung der Sprache (die Signalisierung schützt TLS)	ja, wenn die Anlage es unterstützt

Die Rollen sind klar verteilt: Die Telefonanlage ist der einzige Teilnehmer, der mit dem Provider spricht; nur sie kennt die Zugangsdaten des SIP-Trunks. Endgeräte kennen ausschließlich „ihre“ Anlage, sei es im eigenen Netz oder als Server einer Cloud-Telefonanlage.

NAT und STUN

Beim Gesprächsaufbau teilt jedes Telefon der Gegenseite im SDP-Teil mit, wohin sie die Sprachpakete schicken soll, etwa mit den Zeilen c=IN IP4 192.168.42.12 (Adresse) und m=audio 11008 RTP/AVP 9 8 (Port und Codecs). Steht hier eine private Adresse, kann ein Gegenüber im Internet sie nicht erreichen: Der Router mit NAT weiß nicht, zu welchem Gerät die ankommenden RTP-Pakete gehören. Die Folge ist das bekannte Fehlerbild: Es klingelt, man nimmt ab, aber es ist nichts oder nur in eine Richtung etwas zu hören.

Ein STUN-Server (Session Traversal Utilities for NAT, RFC 8489) steht im Internet und beantwortet eine einfache Frage: „Von welcher Adresse und welchem Port kam Deine Anfrage bei mir an?“ Das Telefon übernimmt diese öffentliche Adresse und den Port in seine SIP- und SDP-Angaben.

Die Grafik zeigt den Ablauf am Beispiel eines Softphones, das eine Cloud-Telefonanlage nutzt; die öffentliche Adresse 203.0.113.45 und der Port 40112 sind Beispielwerte.

Damit ist auch klar, wann STUN hilft und wann es schadet:

• Hilfreich ist STUN, wenn auf dem Weg zur Gegenstelle eine Adressumsetzung stattfindet, etwa beim Softphone eines Notebooks im heimischen WLAN, das eine Cloud-Telefonanlage nutzt.

• Störend wird STUN, wenn die Gegenstelle ohne Adressumsetzung erreichbar ist. Dann ersetzt das Gerät eine funktionierende Adresse durch die des Internetrouters, und die Sprachpakete der Gegenseite enden dort. Ob STUN passt, entscheidet also der Weg der Pakete, nicht der Wunsch nach „mehr Sicherheit“.

In Firmennetzen übernimmt oft ein Session Border Controller (SBC) am Übergang zum Internet diese Aufgabe zentral: Er schreibt Adressen in SIP und SDP um, leitet RTP weiter, filtert Angriffe und passt bei Bedarf Codecs an.

Netzqualität: Latenz, Jitter und Paketverlust

Neben der Bandbreite bestimmen drei Größen, wie gut Sprache und Video ankommen.

Latenz

Wie viele Millisekunden ein Paket vom Absender bis zum Ziel unterwegs ist, nennt man Latenz. Für Sprache zählt meist die Richtung von Mund zu Ohr (one-way delay). Werkzeuge wie ping oder traceroute messen dagegen die Umlaufzeit (Round Trip Time, RTT) für Hin- und Rückweg, die etwa doppelt so groß ist. Beiträge zur Latenz liefern:

• Ausbreitungsverzögerung: Das Signal braucht im Kabel etwa 5 µs je Kilometer; lange Wege (Rechenzentrum in Übersee, Satellit) bringen viel Latenz.

• Verarbeitung in aktiven Komponenten: Jeder Router, jede Firewall und jeder VPN-Endpunkt braucht Zeit zum Prüfen und Weiterleiten.

• Warteschlangen: Ist eine Leitung oder Komponente ausgelastet, warten Pakete in Puffern. Das ist die häufigste Ursache plötzlich hoher Latenz.

• Serialisierung: Ein Paket auf eine langsame Leitung zu legen, dauert umso länger, je größer es ist und je geringer die Datenrate.

• Endgeräte: Codieren, Paketieren und der Jitter-Puffer im Empfänger.

Latenz und Datenrate sind zwei verschiedene Eigenschaften einer Verbindung. Ein Bild dafür ist eine Wasserleitung: Ihr Querschnitt bestimmt, wie viel Wasser je Sekunde fließen kann (Datenrate), ihre Länge, wie lange der erste Tropfen bis zum Hahn braucht (Latenz). Eine längere Leitung liefert also nicht weniger Wasser je Sekunde, nur später. Bei einem großen Download fällt das kaum auf, deutlich spürbar wird Latenz dagegen hier:

• Echtzeitkommunikation: Ab etwa 150 ms Verzögerung je Richtung fallen sich Gesprächspartner ins Wort, Echos werden störend.

• Frage-Antwort-Ketten: Wartet ein Programm nach jeder Anfrage auf die Antwort, bevor es die nächste stellt, kostet jede Anfrage mindestens eine RTT. Ein Skript, das 800 Datensätze einzeln über eine HTTPS-API abruft, wartet bei 25 ms RTT allein dadurch 800 \cdot 25\,\mathrm{ms} = 20\,\mathrm{s}, auch wenn es insgesamt nur wenige Kilobyte überträgt. Abhilfe schaffen Sammelabfragen, parallele Anfragen oder ein Standort nah am Server.

• Fensterbegrenzte Übertragungen: TCP darf nur eine bestimmte Menge Daten unbestätigt senden (Empfangsfenster) und muss dann auf eine Bestätigung warten. Der Durchsatz einer einzelnen Verbindung liegt deshalb höchstens bei Fenstergröße geteilt durch RTT: Mit 64 KiB Fenster und 100 ms RTT sind das \frac{65.536 \cdot 8\,\mathrm{bit}}{0{,}1\,\mathrm{s}} \approx 5{,}2\,\mathrm{Mbit/s}, selbst auf einer Gigabit-Leitung. Moderne Systeme vergrößern das Fenster automatisch (Window Scaling).

• Interaktive Anwendungen: Remote-Desktop, Online-Spiele oder Maschinensteuerungen reagieren spürbar träge.

Jitter und Paketverlust

• Jitter ist die Schwankung der Latenz: Die Pakete kommen nicht im gleichmäßigen Takt an. Der Empfänger gleicht das mit einem Jitter-Puffer aus, der Pakete kurz sammelt; ein großer Puffer erhöht aber wiederum die Latenz. Ursache sind meist wechselnd volle Warteschlangen.

• Paketverlust entsteht, wenn Puffer überlaufen, Funkverbindungen gestört sind oder Pakete zu spät für den Jitter-Puffer kommen. Bei Sprache hört man Aussetzer und „Roboterstimme“, bei Video Klötzchen und Standbilder.

Quality of Service

Quality of Service (QoS) bezeichnet Verfahren, mit denen ein Netz bestimmten Datenströmen eine bessere Dienstgüte gibt als anderen. QoS erzeugt keine zusätzliche Bandbreite. Es regelt, wer an einem Engpass zuerst darf: Echtzeitdaten wie Sprache und Video werden bevorzugt weitergeleitet, weniger zeitkritische Daten (Downloads, Backups, E-Mail) müssen warten oder werden im Notfall verworfen. Der Nutzen: weniger Aussetzer, gleichmäßige Sprachqualität, verständliche Gespräche auch bei voller Leitung. Ohne QoS teilen sich alle Anwendungen die Leitung „unfair“: Ein großer Upload kann die Warteschlange füllen, Sprachpakete kommen zu spät oder gar nicht an.

QoS arbeitet in drei Schritten:

1. Klassifizieren: Das Gerät erkennt, welcher Art ein Paket ist: am Sprach-VLAN, am Port des Telefons, an Protokoll und Port (SIP, RTP), an der IP-Adresse der Telefonanlage oder an einer bereits vorhandenen Markierung.

2. Markieren: Die Klasse wird im Paket vermerkt, damit nachfolgende Geräte nicht neu prüfen müssen.

   • Auf Schicht 2 im VLAN-Tag (IEEE 802.1Q) mit dem 3-Bit-Feld PCP nach IEEE 802.1p (Priorität 0–7, Sprache üblicherweise 5).
   • Auf Schicht 3 im IP-Header mit dem DSCP-Wert (Differentiated Services Code Point, 6 Bit): Sprache EF (Expedited Forwarding, Wert 46), Video z. B. AF41 (34), normale Daten Best Effort (0).

3. Behandeln: An jeder Schnittstelle gibt es mehrere Warteschlangen. Eine Prioritätswarteschlange wird immer zuerst geleert (Priority Queuing), andere Klassen bekommen garantierte Anteile (Weighted Fair Queuing). Ergänzend kann man Bandbreite für Sprache reservieren oder andere Daten begrenzen (Shaping, Policing).

Praktisch umgesetzt wird QoS oft so: Die Telefone bekommen ein eigenes Sprach-VLAN (siehe VLAN); die Switches priorisieren die Pakete dieses VLANs und übernehmen bzw. setzen die DSCP-Markierung; am Router zum Internet wird der Upload gezielt geformt, damit Sprachpakete immer Vorrang haben.

Grenzen: QoS wirkt nur in Netzen, die man selbst verwaltet. Im öffentlichen Internet werden DSCP-Markierungen meist ignoriert. Entscheidend ist deshalb der eigene Engpass, typischerweise der Upload des Internetanschlusses. Wird QoS dort richtig eingestellt, bleibt die Sprache auch dann verständlich, wenn gleichzeitig ein Backup hochgeladen wird.

Typische Fehlerbilder

Fehlerbilder bei Echtzeitkommunikation

Fehlerbild	mögliche Ursache	Abhilfe
abgehackte Sprache, Aussetzer, schlechtes Bild in Videokonferenzen	Upload ausgelastet (Backup, Cloud-Synchronisation, große Mails), schwaches WLAN, zu geringe Bandbreite (z. B. ADSL mit wenig Upload)	QoS am Router, Upload begrenzen, Kabel statt WLAN, größeren Anschluss wählen
Verzögerung, man fällt sich ins Wort	hohe Latenz: weiter Weg, VPN-Umwege, volle Warteschlangen	Server näher wählen, Split-Tunneling für Telefonie, QoS
Gespräch kommt zustande, aber kein Ton	NAT: private Adresse im SDP; im LAN umgekehrt ein unnötiger STUN-Eintrag; gesperrte RTP-Ports	STUN oder Session Border Controller, Firewall-Regeln für RTP
Telefon nicht erreichbar	Registrierung abgelaufen, falscher Registrar, Zugangsdaten	Konfiguration prüfen, Registrierungsintervall
Fax bricht ab, Seiten fehlen	Sprachcodec und Netz sind auf Sprache optimiert (siehe unten)	T.38 verwenden, G.711 ohne Sprachpausenerkennung, Fax durch E-Mail oder Fax-Dienst ersetzen

Fax über VoIP

Ein klassisches Faxgerät ist ein Modem: Nach dem Wählen handeln beide Geräte nach dem Protokoll ITU-T T.30 in einer Folge von Signaltönen Auflösung, Geschwindigkeit und Fehlerkorrektur aus, dann folgen die Bilddaten als modulierte Töne, nach jeder Seite eine Quittung. Jede Stufe hat feste Zeitgrenzen; bleibt eine erwartete Antwort aus oder ist sie unleserlich, legt das Gerät auf.

Mehrere Eigenschaften einer VoIP-Strecke vertragen sich damit schlecht:

• Codecs mit Sprachmodell: G.729 überträgt nicht die Schwingung selbst, sondern Parameter eines Modells der menschlichen Stimme. Modemtöne passen nicht in dieses Modell und kommen verzerrt an. G.711 überträgt die Schwingung dagegen (fast) unverändert.

• Sprachpausenerkennung (Voice Activity Detection, VAD): Leise oder gleichförmige Abschnitte gelten als Pause und werden nicht übertragen, die Gegenseite spielt künstliches Rauschen ein.

• Verschleierung von Paketverlust (Packet Loss Concealment): Fehlende Pakete ersetzt der Empfänger durch eine geschätzte Fortsetzung des Signals. Für eine Modemverbindung entstehen so Signalabschnitte, die nie gesendet wurden.

• Schwankender Jitter-Puffer: Passt der Empfänger seinen Puffer an, verschiebt sich der Takt des Signals, was die Modemsynchronisation stört.

Abhilfe schafft vor allem T.38 (Fax over IP, ITU-T T.38): Erkennt ein Gerät den Faxton, schlägt es per SIP-re-INVITE vor, vom Audiostrom auf image/t38 umzuschalten. Dann werden die Faxsignale demoduliert und als Daten mit Redundanz übertragen. Lehnt die Gegenseite ab (z. B. mit 488 Not Acceptable Here), läuft das Fax als Ton weiter. Für diesen Fall stellt man für den Faxanschluss G.711 ein, schaltet VAD ab und nutzt einen festen Jitter-Puffer. Oft ist es einfacher, das Faxgerät durch einen Dienst zu ersetzen, der Faxe als PDF per E-Mail zustellt.

Typische Fehler in Aufgaben

• Interne Gespräche bei Cloud-Telefonanlagen vergessen: Interne Gespräche laufen zweimal über den Internetanschluss.

• Latenz und Jitter verwechselt: Latenz ist die Verzögerung selbst, Jitter ihre Schwankung von Paket zu Paket. Eine konstant hohe Latenz verursacht keinen Jitter.

• QoS als Bandbreitenerhöhung beschrieben: QoS verteilt vorhandene Bandbreite nach Prioritäten.

• STUN „zur Sicherheit“ eintragen: Gibt es auf dem Weg zur Gegenstelle kein NAT, schreibt das Gerät eine unbrauchbare Adresse ins SDP; das Gespräch bleibt stumm.

• Trunk-Zugangsdaten auf Endgeräten: Diese Daten gehören nur in die Telefonanlage; ein Endgerät mit diesen Daten umgeht Anlage und Rufnummernplan.

• Fax-Problem nur mit „VoIP ist schlecht“ erklärt: Nenne den konkreten Mechanismus (Codec mit Sprachmodell, VAD, Verlustverschleierung, Jitter-Puffer) und wie er das T.30-Protokoll stört.

Leitfragen

1. Nach welchen Kriterien entscheidest Du zwischen lokaler und Cloud-Telefonanlage? Antwort

Kostenstruktur (einmalig gegen monatlich), Verhalten bei Internetausfall, Last auf dem Internetanschluss, Bedarf an Homeoffice und Außenstellen sowie wer Betrieb und Updates übernimmt, siehe Tabelle im Abschnitt „Bausteine der IP-Telefonie“.

2. Wofür sind SIP und RTP zuständig? Antwort

SIP signalisiert (Anmelden, Gespräch aufbauen, klingeln, annehmen, beenden; Port 5060 bzw. 5061 mit TLS). RTP transportiert die Sprachdaten über UDP mit Sequenznummer und Zeitstempel, siehe Abschnitt „Signalisierung mit SIP, Sprachdaten mit RTP“.

3. Wann muss im IP-Telefon ein STUN-Server eingetragen werden? Antwort

Nur wenn auf dem Weg zur Gegenstelle Adressen umgesetzt werden (NAT), z. B. beim Softphone im Homeoffice an einer Cloud-Telefonanlage. Der STUN-Server spiegelt dem Gerät die öffentliche Adresse und den Port zurück, die es dann im SDP angibt. Ohne NAT auf dem Weg schadet der Eintrag, siehe Abschnitt „NAT und STUN“.

4. Was ist Latenz, und woher kommt hohe Latenz? Antwort

Latenz ist die Zeit, die Daten durch das Netz unterwegs sind, einfach oder als Umlaufzeit (RTT) gemessen. Sie setzt sich zusammen aus Ausbreitung auf langen Wegen, Verarbeitung in Routern, Firewalls und VPN-Gateways, Wartezeit in vollen Puffern und Serialisierung auf langsamen Leitungen, siehe Abschnitt „Latenz“.

5. Wann wirkt sich hohe Latenz besonders negativ aus? Antwort

Bei Echtzeitkommunikation, bei Frage-Antwort-Ketten (jede Anfrage wartet eine RTT, z. B. Einzelabrufe über eine API), bei TCP-Übertragungen, deren Durchsatz durch Fenstergröße und RTT begrenzt ist, und bei interaktiven Anwendungen wie Remote-Desktop, siehe Abschnitt „Latenz“.

6. Wie arbeitet Quality of Service, und was bringt es den Nutzenden? Antwort

Pakete werden klassifiziert, markiert (802.1p, DSCP) und in Warteschlangen nach Priorität weitergeleitet. Echtzeitdaten kommen am Engpass zuerst durch, es gibt weniger Aussetzer und Verzögerungen. QoS schafft keine zusätzliche Bandbreite, siehe Abschnitt „Quality of Service“.

7. Wie passt eine Videokonferenz-Software ihre Datenrate an die Leitung an? Antwort

Mit adaptiver Bitrate: Der Client wertet Rückmeldungen über Verlust und Laufzeit aus und senkt oder erhöht seine Senderate. Weil Sprache nur einen kleinen Teil ausmacht, wird fast nur am Video geregelt; per Simulcast erhält jeder Empfänger eine passende Qualitätsstufe, siehe Abschnitt „Bandbreite für Telefonie und Videokonferenzen“.

8. Warum bricht eine Faxübertragung über VoIP häufig ab? Antwort

Das Fax-Protokoll T.30 erwartet exakte Töne in festen Zeitgrenzen. Codecs mit Sprachmodell (G.729) verzerren diese Töne, Sprachpausenerkennung und Verlustverschleierung verändern das Signal, ein schwankender Jitter-Puffer stört den Takt. Abhilfe: T.38, ersatzweise G.711 ohne VAD oder ein Fax-zu-E-Mail-Dienst, siehe Abschnitt „Fax über VoIP“.

Links und weitere Informationen

• Übungsaufgaben zu VoIP, Latenz und Quality of Service

• Übertragungsdauer und Bandbreite berechnen

• VLAN

• NAT und Portweiterleitung

• Power over Ethernet

• RFC 3261: SIP – Session Initiation Protocol (englisch)

• RFC 3550: RTP – A Transport Protocol for Real-Time Applications (englisch)

• ITU-T G.114: One-way transmission time (englisch)

• RFC 8489: STUN – Session Traversal Utilities for NAT (englisch)

• ITU-T T.38: Procedures for real-time Group 3 facsimile communication over IP networks (englisch)

---

Hinweis zur Nachnutzung als Open Educational Resource (OER)

Dieser Artikel und seine Texte, Bilder, Grafiken, Code und sonstiger Inhalt sind - sofern nicht anders angegeben - lizenziert unter CC BY 4.0. Nennung gemäß TULLU-Regel bitte wie folgt: “Echtzeitkommunikation: VoIP, Latenz und Quality of Service” von oer-informatik.de (H. Stein), Lizenz: CC BY 4.0. Der Artikel wurde unter https://oer-informatik.de/voip-qos veröffentlicht, die Quelltexte sind in weiterverarbeitbarer Form verfügbar im Repository unter https://gitlab.com/oer-informatik/netzwerk/infrastruktur. Erstellt mit KI-Assistenz; von mir umfassend redaktionell überarbeitet, geprüft und freigegeben. Stand: 28.10.2026.

[Kommentare zum Artikel lesen, schreiben] / [Artikel teilen] / [gitlab-Issue zum Artikel schreiben]