VoIP und IP-Telefonie einfach erklärt: Funktionsweise, Protokolle & Vorteile

VoIP (Voice over IP) ist eine Technologie, mit der Sprache über das Internet und andere IP-Netzwerke übertragen wird. Anstatt einer herkömmlichen Telefonverbindung wandelt sie die Sprache in digitale Daten um, teilt diese in kleine Pakete auf und sendet sie über das Netzwerk. Auf dem Gerät des Gesprächspartners werden diese Pakete wieder in Ton umgewandelt.

Dank VoIP funktionieren viele Internet-Telefoniesysteme, firmeninterne Telefonsysteme und Sprachchats. Die Technologie ermöglicht es, Sprache über die gleiche Netzwerkinfrastruktur zu übertragen, die auch für Webseiten, Nachrichten und andere Internetdienste genutzt wird.

Im Folgenden erklären wir, wie VoIP funktioniert, wie Sprache in digitale Pakete umgewandelt wird, welche Protokolle für die Übertragung zuständig sind und warum die Qualität von Internetanrufen nicht nur von der Verbindungsgeschwindigkeit abhängt.

Was ist VoIP und IP-Telefonie?

VoIP steht für Voice over Internet Protocol und bezeichnet die Übertragung von Sprache über Internet-Protokolle. Diese Technologie ermöglicht es, Sprachverbindungen zwischen Geräten herzustellen, die mit einem IP-Netzwerk verbunden sind, ohne dass durchgehend ein klassischer Telefonkanal benötigt wird.

Im klassischen Telefonnetz basierte das Gespräch auf Kanalvermittlung: Zwischen den Teilnehmern wurde für die Dauer des Gesprächs eine feste Verbindung geschaltet. VoIP hingegen setzt auf Paketvermittlung. Die Sprache wird in kleine Datenpakete zerlegt, die zusammen mit anderem Netzwerkverkehr übertragen werden.

Die Begriffe VoIP und IP-Telefonie sind eng verwandt, meinen aber nicht das Gleiche: VoIP beschreibt die reine Übertragungstechnologie, während IP-Telefonie auch die Organisation der Anrufe, Verbindungsverwaltung, Rufnummern und Zusatzfunktionen umfasst.

Typische Anwendungsszenarien von VoIP:

• Internetgespräche: Sprachkommunikation über Apps und Online-Dienste.
• Firmentelefonie: Interne Rufnummern, virtuelle Telefonanlagen und Rufumleitungen.
• Sprachchats: Kommunikation in Spielen, Apps und Videokonferenzdiensten.
• IP-Telefone: Separate Geräte, die direkt mit dem Computernetzwerk verbunden werden.

VoIP muss dabei nicht zwingend über das öffentliche Internet erfolgen. Sprachdaten können auch innerhalb eines lokalen Firmennetzwerks oder über dedizierte Infrastrukturen eines Anbieters übertragen werden.

Das Besondere an VoIP ist, dass Sprache zu normalem Netzwerkverkehr wird, bei dessen Übertragung IP-Adressen, Router und Netzwerkprotokolle zum Einsatz kommen.

Wie VoIP Sprache in digitale Pakete umwandelt

Um Sprache über das Internet zu übertragen, muss ein VoIP-System Tonschwingungen in digitale Daten umwandeln. Dieser Prozess umfasst mehrere Schritte: Sprachaufnahme über das Mikrofon, Digitalisierung des Signals, Komprimierung und Versand der Datenpakete über das Netzwerk.

Umwandlung von Sprache in digitale Signale

Wenn jemand ins Mikrofon spricht, werden die Schallwellen in elektrische Signale umgewandelt. Diese verändern sich kontinuierlich und müssen für die digitale Übertragung zunächst digitalisiert werden.

Das übernimmt ein Analog-Digital-Wandler (AD-Wandler). Er misst die Amplitude des Signals in festen Zeitabständen und stellt die Werte als Zahlen dar. Dieser Vorgang heißt Abtastung.

Beispielsweise erhält das System bei einer Abtastrate von 8 kHz pro Sekunde 8000 Messpunkte, was für die Übertragung von Sprache in Telefonqualität ausreicht. Moderne Codecs verwenden oft höhere Abtastraten für noch natürlichere Sprachwiedergabe.

Mehr darüber, wie analoge Töne digitalisiert werden und was die Aufnahmequalität bestimmt, erfahren Sie im Artikel "Abtastrate und Bit-Tiefe bei digitalen Audioaufnahmen einfach erklärt".

Nach der Digitalisierung verarbeitet ein Audio-Codec die Daten - ein Algorithmus, der Toninformationen kodiert und meist komprimiert. In der VoIP-Technologie kommen verschiedene Codecs zum Einsatz:

• G.711: Überträgt Sprache mit 64 kbit/s ohne zusätzliche Komprimierung (entspricht dem klassischen PCM-Telefonformat).
• G.729: Nutzt Komprimierung und ermöglicht Sprachübertragung mit nur 8 kbit/s.
• Opus: Moderner Codec mit variabler Bitrate, anpassbar an Leitungsqualität, geeignet für Sprache und Musik.

Die Wahl des Codecs beeinflusst Klangqualität, benötigte Bandbreite und Verzögerung bei der Signalverarbeitung.

Übertragung der Sprachpakete über das Internet

Nach der Kodierung wird der digitale Audiostream in kleine Fragmente unterteilt - z.B. enthält ein Paket 20 Millisekunden Ton. So kann Sprache fortlaufend übertragen werden, ohne auf das Ende eines Satzes zu warten.

Jedes Fragment wird mit zusätzlichen Steuerinformationen ausgestattet, die für die Übertragung und das richtige Abspielen nötig sind. Anschließend werden die Pakete über das IP-Netzwerk an das Endgerät geschickt.

Typischer Ablauf der Übertragung:

1. Paketbildung: Der Codec erstellt eine Sequenz kleiner Audioblöcke.
2. Versand übers Netzwerk: Die Pakete wandern über Router zum Empfänger.
3. Empfang und Sortierung: Das Endgerät nutzt Steuerdaten, um Reihenfolge und Zeitpunkt der Wiedergabe zu bestimmen.
4. Dekodierung: Der Codec rekonstruiert das digitale Audiosignal.
5. Wiedergabe: Ein Digital-Analog-Wandler wandelt die Daten in analoge Signale für Kopfhörer oder Lautsprecher um.

Im Gegensatz zum Download einer Datei arbeitet VoIP in Echtzeit. Die empfangenen Fragmente werden nahezu sofort abgespielt, sodass beide Gesprächspartner gleichzeitig sprechen können.

Da das IP-Netzwerk jedoch keine gleichmäßigen Verzögerungen oder die korrekte Reihenfolge aller Pakete garantiert, können einige Pakete verloren gehen. VoIP-Systeme setzen deshalb auf spezielle Puffer- und Fehlerkorrekturmechanismen, um die Verständlichkeit auch bei instabilen Verbindungen zu sichern.

Welche Protokolle kommen bei VoIP zum Einsatz?

Für VoIP reicht es nicht, Sprache in digitale Daten zu verwandeln. Das System muss Verbindungen herstellen, Audiopakete übertragen und deren Wiedergabe in der richtigen Reihenfolge sicherstellen. Dafür kommen verschiedene Netzwerkprotokolle zum Einsatz, die jeweils unterschiedliche Aufgaben übernehmen.

SIP - Steuerung der Telefonverbindung

SIP (Session Initiation Protocol) ist ein Signalisierungsprotokoll zum Aufbau, zur Änderung und zum Abbau von Kommunikationssitzungen.

Wenn eine Nummer gewählt wird, hilft SIP dabei, das Ziel zu bestimmen, das Endgerät zu benachrichtigen und die Verbindungsparameter zu vereinbaren.

Typische Aufgaben von SIP:

• Verbindungsanfrage senden
• Über eingehende Anrufe informieren
• Übertragungsparameter aushandeln
• Verbindung nach Gesprächsende beenden

Wichtig: SIP ist nicht VoIP selbst, sondern eines der Protokolle zur Steuerung von VoIP-Verbindungen. Über SIP wird nicht der Sprachstrom selbst übertragen.

RTP - Übertragung der Sprache in Echtzeit

RTP (Real-time Transport Protocol) ist für die Echtzeitübertragung von Audio- und Videodaten zuständig. Damit gelangen kodierte Sprachdaten von einem Teilnehmer zum anderen.

RTP-Pakete enthalten neben den Audiodaten auch wichtige Zusatzinformationen:

• Sequenznummer: Erkennt verlorene Pakete und stellt die richtige Reihenfolge sicher.
• Zeitstempel: Sorgt für die Wiedergabe mit richtigen Abständen.
• Quellenkennung: Unterscheidet verschiedene Datenströme.

RTP garantiert nicht die Zustellung der Pakete, sondern stellt die Informationen für eine zeitnahe Wiedergabe bereit.

UDP - Transport für Sprachpakete

In den meisten klassischen VoIP-Systemen werden die RTP-Pakete über UDP (User Datagram Protocol) übertragen.

UDP zeichnet sich dadurch aus, dass es keine Empfangsbestätigungen oder erneute Übertragungen verlorener Pakete gibt.

Gerade für Sprachübertragungen ist das wichtig: Ein verspätetes Paket ist meist nutzlos, da das Gespräch schon weiterverlaufen ist.

Daher steht bei VoIP geringe Latenz im Vordergrund, auch wenn gelegentlich einzelne Sprachfragmente verloren gehen.

In einem typischen SIP-Anruf arbeiten die Protokolle Hand in Hand: SIP stellt die Verbindung her, RTP überträgt den Ton und UDP sorgt für den Transport. Es gibt aber auch Alternativen mit verschlüsselten Protokollen oder anderen Transportwegen.

Wovon hängt die Qualität von VoIP-Anrufen ab?

Die Sprachqualität über das Internet hängt weniger von der maximalen Bandbreite ab als vielmehr von der Stabilität der Datenübertragung. Auch bei hoher Geschwindigkeit kann es zu Aussetzern, Verzögerungen oder Verzerrungen kommen.

Hauptursachen für Probleme sind: Latenz, Jitter und Paketverlust.

Latenz (Verzögerung)

Die Latenz gibt an, wie lange ein Sprachsignal vom Sender zum Empfänger braucht. Sie setzt sich zusammen aus Kodierungszeit, Übertragung, Pufferung und Dekodierung.

Bei hoher Latenz reden Gesprächspartner oft aneinander vorbei, da Antworten verzögert ankommen.

Für angenehme VoIP-Gespräche sollte die einfache Latenz unter 150 ms liegen. Bei Werten über 400 ms wird das Gespräch deutlich schwieriger.

Jitter (Schwankungen der Verzögerung)

Jitter bezeichnet die Schwankung der Paketlaufzeiten. Ein Sprachpaket kommt z.B. nach 20 ms, das nächste nach 50 ms, ein weiteres nach 15 ms.

Durch diese Unregelmäßigkeit kann das Gerät den Ton nicht gleichmäßig abspielen. Es kommt zu kurzen Pausen, Verzerrungen und einem abgehackten Klangbild.

Um Jitter auszugleichen, setzen VoIP-Systeme auf spezielle Puffer, die die Pakete zwischenspeichern und gleichmäßig abgeben. Ein zu großer Puffer erhöht jedoch die Gesamtverzögerung.

Mehr über die Ursachen instabiler Datenübertragung erfahren Sie im Artikel "Jitter im Internet: Warum eine stabile Verbindung wichtiger ist als ein niedriger Ping".

Paketverlust (Packet Loss)

Paketverlust tritt auf, wenn Teile der Sprachdaten das Endgerät nicht erreichen - etwa durch Netzüberlastung, instabiles WLAN oder Übertragungsfehler.

Können die verlorenen Daten nicht rechtzeitig ersetzt werden, entstehen Aussetzer und Wortfetzen. Besonders problematisch sind aufeinanderfolgende Paketverluste.

Zur Begrenzung solcher Störungen nutzt VoIP verschiedene Mechanismen:

• Packet Loss Concealment (PLC): Algorithmen, die fehlende Sprachfragmente rekonstruieren.
• Adaptive Codecs: Passen die Bitrate an die Netzqualität an.
• Jitter Buffer: Gleichen Schwankungen bei der Paketankunft aus.
• QoS (Quality of Service): Priorisierung von Sprachpaketen im Netzwerk, wenn die Funktion unterstützt wird.

Schon geringe Paketverluste können die Sprachverständlichkeit beeinträchtigen. Für VoIP ist daher eine stabile, verzögerungsarme Übertragung wichtiger als eine hohe Bandbreite allein.

Vor- und Nachteile von VoIP

VoIP-Telefonie ermöglicht die Sprachübertragung über bestehende IP-Infrastrukturen, sodass nicht immer ein separates Telefonnetz benötigt wird. Die Qualität und Verfügbarkeit der Anrufe hängen jedoch direkt von der Netzverbindung ab.

Wichtige Vorteile von VoIP:

• Flexibilität: Anrufe können vom IP-Telefon, Computer oder Smartphone getätigt werden - passende Software vorausgesetzt.
• Kosteneinsparung: Die Nutzung des Internetanschlusses reduziert die Kosten für Telefoninfrastruktur und viele Anrufe, insbesondere international.
• Skalierbarkeit: Besonders in Unternehmen lassen sich neue Teilnehmer einfach hinzufügen, ohne neue Leitungen zu verlegen.
• Zusatzfunktionen: IP-Telefonie unterstützt Weiterleitungen, Gesprächsaufzeichnungen, Konferenzen, Voicemail und die Integration mit anderen Diensten.

Nachteile von VoIP:

• Abhängigkeit vom Netzwerk: Bei instabiler Verbindung treten Verzögerungen, Aussetzer und Gesprächsabbrüche auf.
• Abhängigkeit von Stromversorgung: Für IP-Telefone, Router und Netzwerkgeräte wird Strom benötigt.
• Sicherheitsanforderungen: Ungeschützte Verbindungen sind abhörbar. Zur Absicherung dienen z.B. SRTP für Sprachdaten und TLS für Signalisierung.
• Kompatibilitätsprobleme: Unterschiedliche Geräte, Codecs und Telefonsysteme können zusätzliche Konfiguration erfordern.

VoIP eignet sich besonders für Unternehmen, Remote-Arbeit und Internetkommunikation. Damit lassen sich Nutzer aus verschiedenen Städten und Ländern in einem Telefonsystem verbinden.

Klassische Telefonie bietet weiterhin Vorteile, wenn Unabhängigkeit vom Internet entscheidend ist. Letztlich hängt die Zuverlässigkeit jeder Kommunikationsform von der Infrastruktur und vorhandenen Reserveleitungen ab.

Fazit

Mit VoIP lässt sich Sprache über das Internet übertragen - und zwar über herkömmliche IP-Netzwerke statt über dedizierte Telefonleitungen. Das Mikrofon wandelt Sprache in elektrische Signale um, der AD-Wandler digitalisiert sie, und ein Codec bereitet die Daten für die Übertragung vor. Die Sprachdaten werden in Pakete zerlegt, über das Netzwerk geschickt und auf dem Endgerät wieder zusammengefügt.

Für den Verbindungsaufbau und die Übertragung kommen verschiedene Protokolle zum Einsatz: SIP steuert die Verbindung, RTP überträgt den Ton und UDP dient meist als Transportprotokoll. Die Gesprächsqualität wird vor allem von Latenz, Jitter und Paketverlust bestimmt.

Für stabile VoIP-Verbindungen sind eine zuverlässige Netzwerkinfrastruktur, passende Codecs und die richtige Gerätekonfiguration entscheidend. So können Gespräche nahezu in Echtzeit geführt werden - auch über Ländergrenzen hinweg.