Ein De-Jitter-Puffer, der 50 ms Paketlaufzeitschwankung auffangen soll, fügt jedem Anruf im Mittel etwa 25 ms hinzu, weil die Planungsregeln von ITU-T annehmen, dass ein Puffer die Hälfte seiner maximalen Verzögerung beisteuert (ITU-T G.114). Diese 25 ms werden einem Budget entnommen, das ohnehin knapp ist: Für Gesprächssprache gilt eine Einwegverzögerung von unter 150 ms als Ziel und 400 ms als Grenze (ITU-T G.1010). 3GPP verlangt inzwischen, dass Jitter-Puffer in der Mobiltelefonie jitterbedingte Verluste in sechs Standard-Netzprofilen unter 1% halten (3GPP TS 26.114). Auch die Messung hat sich verändert: ITU-T hat das Sprachqualitätsmodell PESQ am 5. Januar 2024 gestrichen und verweist auf POLQA, dessen Vollbandskala bei 4,8 statt 4,5 endet (Seite zu ITU-T P.862; ITU-T P.863.1). Wir haben Daten aus den ITU-T-Empfehlungen G.114, G.107, G.107.1, G.1010, Y.1541, P.800, P.863 und P.863.1, den IETF-RFCs 3550, 3611 und 6716, 3GPP TS 26.114, der Mobilfunk-Qualitätskampagne 2025 von Arcep, der Dokumentation des Call Quality Dashboards von Microsoft Teams sowie aus begutachteten Studien in Acta Acustica und im EURASIP Journal on Wireless Communications and Networking zusammengeführt. Zur Marktseite der Internettelefonie siehe unsere VoIP- und UCaaS-Statistiken.
TL;DR
- Eine Einwegverzögerung von Mund zu Ohr unter 150 ms ermöglicht im Wesentlichen transparente Interaktivität; 400 ms ist die Obergrenze für die allgemeine Netzplanung (ITU-T G.114 2003).
- Ein De-Jitter-Puffer fügt im Mittel die Hälfte seiner maximalen Verzögerung hinzu: 25 ms bei einem Puffer, der 50 ms Laufzeitschwankung abdeckt (ITU-T G.114 2003).
- Netze für interaktives VoIP dürfen die Paketverzögerung um bis zu 50 ms schwanken lassen, das Ziel beim Endnutzer für Gesprächssprache liegt jedoch unter 1 ms (ITU-T Y.1541 2011; ITU-T G.1010 2001).
- 3GPP-Jitter-Puffer müssen den jitterbedingten Verlust in allen sechs Testprofilen unter 1% halten (3GPP TS 26.114, Release 19).
- Teams stuft einen Audiostrom als Schlecht ein, wenn der mittlere Jitter 30 ms überschreitet (Microsoft Learn, CQD-Stream-Klassifizierung 2026).
- Der Rückgang von R 90 auf R 70 senkt den Anteil der Nutzer, die einen Anruf als gut oder besser bewerten, von mindestens 97% auf mindestens 73% (ITU-T G.107 2015).
- Das Breitband-E-Modell reicht von R 0 bis 129, etwa 29% über die Schmalbandskala hinaus (ITU-T G.107.1 2019).
- ITU-T hat PESQ (P.862) am 5. Januar 2024 gestrichen (Seite zu ITU-T P.862 2024).
- POLQA Vollband: EVS mit 48 kbit/s erreicht durchschnittlich 4,70, G.711 nur 3,6 (ITU-T P.863.1 2019).
- Verschiebungen des Wiedergabezeitpunkts von 30 ms oder weniger hatten einen vernachlässigbaren Effekt auf die Hörer, doch PESQ beurteilte sie falsch (Počta, Melvin und Hines, Acta Acustica 2015).
- Orange hielt landesweit 91% der Anrufe in perfekter Qualität, Free Mobile 84% (Arcep 2025).
1. Das Verzögerungsbudget: 150 ms für natürliche Gespräche, 400 ms als Obergrenze
Verzögerung ist ein Budget, keine einzelne Zahl. Der Codec, die Paketbildung, das Netz, der Jitter-Puffer und das Wiedergabegerät zehren alle vom selben Topf, und der Hörer spürt nur die Summe. Die Planungsschwellen von ITU-T haben sich in zwei Jahrzehnten nicht verschoben, weil sie das menschliche Gespräch beschreiben und nicht die Technik: Unter 150 ms Einwegverzögerung erreichen die meisten Anwendungen im Wesentlichen transparente Interaktivität; über 400 ms hält ITU-T die Verzögerung für die allgemeine Netzplanung für inakzeptabel.
Auffällig ist, wie wenig von diesem Budget das Netz verbrauchen soll. Die VoIP-Klasse mit der höchsten Interaktivität in ITU-T Y.1541 erlaubt nur 100 ms mittlere IP-Übertragungsverzögerung, was 50 ms (150 ms minus 100 ms) für alles an den beiden Enden des Anrufs übrig lässt, wenn der Anruf transparent bleiben soll. Ein einziger G.723.1-Codec verbraucht in der Planungstabelle für drahtgebundene Netze von ITU-T 97,5 ms, gegenüber 0,375 ms bei G.711, sodass allein die Codec-Wahl entscheiden kann, ob ein Anruf unter 150 ms bleibt. Jede Echtzeitstufe im Audiopfad, von der Rauschunterdrückung bis zu einem Voice Changer für Discord, zehrt vom selben Mund-zu-Ohr-Budget, weshalb eine niedrige Verarbeitungslatenz bei Live-Anrufen ebenso wichtig ist wie die Klangqualität. Planer prüfen diese Grenzen mit dem E-Modell, das standardmäßig erst dann einen Verzögerungsabzug berechnet, wenn die absolute Einwegverzögerung 100 ms überschreitet. Die Schwellenwerte selbst stehen in ITU-T G.114 und ITU-T G.1010.
| Metrik | Wert | Quelle |
|---|---|---|
| Einwegverzögerung: Grenze für im Wesentlichen transparente Interaktivität (Mund zu Ohr) versus empfohlene Obergrenze für die allgemeine Netzplanung | Unter 150 ms versus 400 ms | ITU-T G.114 (05/2003) |
| Zielwert beim Endnutzer für Gesprächssprache, Einwegverzögerung | Unter 150 ms bevorzugt, unter 400 ms als Grenze (setzt ausreichende Echokontrolle voraus) | ITU-T G.1010 (11/2001) |
| Obergrenze der mittleren IP-Übertragungsverzögerung: QoS-Klasse 0 (VoIP mit hoher Interaktivität) versus Klasse 1 (interaktives VoIP) | 100 ms versus 400 ms | ITU-T Y.1541 (12/2011) |
| Einwegverzögerung durch Codec-Verarbeitung in der Planung für drahtgebundene Netze (3 Frames plus Vorausschau): G.711 / G.729 / G.723.1 | 0,375 ms / 35 ms / 97,5 ms | ITU-T G.114, Anhang I |
| Bereich der algorithmischen Verzögerung des Opus-Codecs | 5 ms bis 65,2 ms | IETF RFC 6716 (2012) |
| Frame-Größen von Opus | 2,5, 5, 10, 20, 40 oder 60 ms | IETF RFC 6716 (2012) |
| Standardmäßige absolute Einwegverzögerung, unterhalb der das E-Modell keine Verzögerungsbeeinträchtigung ansetzt | 100 ms | ITU-T G.107 (06/2015) |
Kontexthinweis: Die “Vorausschau” ist das zusätzliche Audiostück, auf das ein Codec warten muss, bevor er den aktuellen Frame kodieren kann. G.114 (2003), G.1010 (2001) und Y.1541 (2011) sind alt, aber im Oktober 2026 die auf der ITU-T-Website gültigen Ausgaben. Aktuellste verfügbare Daten: ITU-T, 2001 bis 2015.
2. Jitter: Wie viel Laufzeitschwankung Netze haben dürfen
Jitter ist die Schwankung der Zeit, die Pakete bis zur Ankunft benötigen. Ein Anruf mit langer, aber gleichmäßiger Verzögerung kann sauber klingen; ein Anruf, dessen Pakete in ungleichmäßigen Abständen eintreffen, braucht einen Puffer, sonst bricht er ab. ITU-T erlaubt interaktiven VoIP-Netzen bis zu 50 ms Paketlaufzeitschwankung, doch das Ziel beim Endnutzer für Gesprächssprache liegt unter 1 ms Laufzeitschwankung (ITU-T Y.1541; ITU-T G.1010). Die Lücke zwischen diesen beiden Zahlen ist die Stellenbeschreibung des Jitter-Puffers: Von Netzen wird erwartet, dass sie Jitter liefern, und von Empfängern, dass sie ihn verbergen.
Wie Jitter gemeldet wird, ist ebenso wichtig wie sein Ausmaß. RTP-Empfänger berechnen eine laufende Schätzung, bei der jedes neue Paket den Wert nur um ein Sechzehntel der Differenz verschiebt, einen Verstärkungsfaktor, den die IETF wählte, weil er “ein gutes Rauschminderungsverhältnis bei vertretbarer Konvergenzgeschwindigkeit liefert” (IETF RFC 3550). Dieselbe RFC empfiehlt, für Steuerberichte 5% der Sitzungsbandbreite zu verwenden, mit einem festen Mindestintervall von 5 Sekunden. Wegen dieser Glättung und dieses Berichtstakts bewegt eine einzelne kurze Verzögerungsspitze den Jitter, den ein Überwachungswerkzeug sieht, kaum. Funkstrecken bringen ihre eigene Schwankung mit: In einer VoLTE-Laborstudie von 2021 betrug die Verzögerung im Mittel 57,5 ms in einem Bereich von 20 bis 150 ms, während sich der Jitter knapp über 31 ms konzentrierte (Lipovac et al., EURASIP JWCN 2021). Dieselbe Studie betrachtet eine Funkblock-Fehlerrate von 10% als optimalen Betriebspunkt für LTE-Sprache, die nach einer Neuübertragung auf etwa 1% sinkt.
| Metrik | Wert | Quelle |
|---|---|---|
| Obergrenze der Paketlaufzeitschwankung (Verzögerung am 99,9. Perzentil minus minimale Verzögerung), QoS-Klassen 0 und 1 | 50 ms | ITU-T Y.1541 (12/2011) |
| Obergrenze des Paketverlustverhältnisses, QoS-Klassen 0 und 1 | 1 von 1.000 (1 x 10^-3) | ITU-T Y.1541 (12/2011) |
| Zielwert der Laufzeitschwankung beim Endnutzer, Gesprächssprache | Unter 1 ms | ITU-T G.1010 (11/2001) |
| Verstärkung des Standard-Schätzers für den RTP-Interarrival-Jitter | 1/16 pro Paket | IETF RFC 3550 (2003) |
| Mittlerer Jitter, ab dem Teams einen Audiostrom als Schlecht einstuft | Über 30 ms | Microsoft Learn, CQD-Stream-Klassifizierung (2026), Herstellerschwelle |
| Mittlere Einwegverzögerung in einem VoLTE-Labortest (gemessener Bereich 20 bis 150 ms) | 57,5 ms | Lipovac et al., EURASIP JWCN 2021 |
| Wert, um den sich der RTP-Jitter im selben VoLTE-Test ansammelte | Knapp über 31 ms | Lipovac et al., EURASIP JWCN 2021 |
| Umlaufzeit einer LTE-Funk-Neuübertragung (HARQ) auf FDD-Strecken | 8 ms | Lipovac et al., EURASIP JWCN 2021 |
Kontexthinweis: HARQ (hybrid automatic repeat request) ist die schnelle Neuübertragung der Funkschicht selbst. Jeder Wiederholungsversuch behebt einen verlorenen Block, trifft aber später ein, was eine der Arten ist, wie eine Mobilfunkstrecke Fehler in Jitter verwandelt. Die 30-ms-Schwelle von Teams ist eine Überwachungsregel von Microsoft selbst, kein Branchenstandard; Microsoft weist darauf hin, dass eine Markierung als Schlecht nicht bedeutet, dass der Nutzer tatsächlich ein Problem gehört hat.
3. Jitter-Puffer: Die Verzögerung, die man für die Beseitigung von Jitter bezahlt
Ein Jitter-Puffer hält Pakete zurück, damit sie in gleichmäßigem Tempo wiedergegeben werden können. Jede Millisekunde Zurückhaltung ist zusätzliche Verzögerung; jedes Paket, das nach seinem Wiedergabezeitpunkt eintrifft, geht verloren, obwohl das Netz es geliefert hat. Normungsgremien müssen bei diesem Zielkonflikt eine Seite wählen, und 3GPP legte seine harte Grenze auf den Verlust: Ein 3GPP-konformer Jitter-Puffer muss jitterbedingte Verluste in jedem von sechs Standardprofilen für Verzögerung und Verlust unter 1% halten und zugleich mindestens 90% der Sprachframes bei oder unter der um 60 ms verschobenen Verzögerungsverteilung eines Referenzalgorithmus halten (3GPP TS 26.114). Die Verlustgrenze ist absolut, die Verzögerungsgrenze dagegen nur relativ zu einer Referenz, was Implementierern signalisiert, dass ein wenig zusätzliche Verzögerung akzeptabel ist, der Verlust von Audio jedoch nicht.
Adaptive Puffer passen ihre Größe während Sprechpausen an, und eine kontrollierte Hörstudie stellte fest, dass kleine Anpassungen unbemerkt blieben. Verschiebungen des Wiedergabezeitpunkts von 30 ms oder weniger, in Ruhephasen eingefügt, hatten einen vernachlässigbaren Effekt auf die subjektiven Hörwerte, doch das PESQ-Modell meldete eine erhebliche Verschlechterung, die Menschen nicht hörten (Počta, Melvin und Hines, Acta Acustica 2015). Für die Live-Überwachung erlauben RTCP-XR-Berichte einem Empfänger, seine nominale, maximale und absolut maximale Pufferverzögerung in Millisekunden zu veröffentlichen sowie anzugeben, ob der Puffer adaptiv oder fest ist (IETF RFC 3611).
| Metrik | Wert | Quelle |
|---|---|---|
| Mittlere Verzögerung, die ein De-Jitter-Puffer hinzufügt, für die Planung (Rechenbeispiel: Puffer für einen Bereich von 50 ms Laufzeitschwankung) | Die Hälfte seiner maximalen Verzögerung (25 ms im Beispiel) | ITU-T G.114 (05/2003) |
| Grenze für jitterbedingten Verlust bei 3GPP-Puffern für Multimedia-Telefonie | Unter 1% in jedem Testkanal | 3GPP TS 26.114 (Release 19), Abschnitt 8.2.3.2.3 |
| Verzögerungskriterium: Anteil der Sprachframes bei oder unter der um 60 ms verschobenen Verzögerungsverteilung des Referenzalgorithmus | Mindestens 90% | 3GPP TS 26.114 (Release 19), Abschnitt 8.2.3.2.2 |
| Standard-Testprofile für die Konformität des Jitter-Puffers: Anzahl, Länge und eingebauter Paketverlust | 6 Profile mit je 7.500 IP-Paketen, mit Paketverlust von 0% (Profil 1) bis 5,9% (Profil 5) | 3GPP TS 26.114 (Release 19), Tabelle 8.1 |
| Größe der Wiedergabeverschiebungen in Ruhephasen mit vernachlässigbarem Effekt auf die Hörerwerte | 30 ms oder weniger | Počta, Melvin und Hines, Acta Acustica 2015 |
| Größte Jitter-Puffer-Verzögerung, die ein RTCP-XR-Bericht ausdrücken kann | 65.535 ms (16-Bit-Feld) | IETF RFC 3611 (2003) |
Kontexthinweis: Profil 5 trägt 2 Sprachframes pro Paket (15.000 Frames in 7.500 Paketen), die anderen fünf tragen 1 Frame pro Paket. Die 3GPP-Zahlen wurden im Release-19-Text von TS 26.114 gelesen; das 3GPP-Portal listete Version 20.1.1 (Release 20) als jüngsten Upload vom 25. September 2026. Aktuellste verfügbare Daten zum Hörtest: Počta, Melvin und Hines, 2015.
4. Gespräche bewerten: MOS-Skalen und der R-Faktor des E-Modells
Zwei Bewertungssysteme laufen nebeneinander. Die mittlere Meinungsbewertung (MOS) stammt von Menschen: Hörer bewerten Proben auf der fünfstufigen Skala der absoluten Kategorienbewertung nach ITU-T P.800, von 5 (Ausgezeichnet) bis 1 (Schlecht), nachdem sie kurze Satzgruppen gehört haben, die jeweils in ein Zeitfenster von 2 bis 3 Sekunden passen. Der R-Faktor des E-Modells stammt aus einer Berechnung: Sie beginnt bei einem Grund-Signal-Rausch-Wert, zieht Beeinträchtigungen durch Rauschen, Verzögerung, Echo, Codec und Verlust ab und addiert einen Vorteilsfaktor für Komfort. Bei allen Parametern in der Standardeinstellung liegt R bei 93,2 (ITU-T G.107).
In der Zufriedenheitstabelle von Anhang B wird R geschäftsrelevant. Der Rückgang von R 90 auf R 70 senkt den Anteil der Nutzer, die einen Anruf als gut oder besser bewerten, von mindestens 97% auf mindestens 73%, und bei R 50 liegt der Mindestwert nur noch bei 27% gut oder besser, wobei bis zu 38% ihn als schlecht oder schlechter bewerten. R 80 hält weiterhin mindestens 89% bei gut oder besser und R 60 mindestens 50%, die wahrgenommene Qualität fällt also schneller ab, als die lineare R-Skala vermuten lässt. Breitbandige Anrufe erhalten ein größeres Lineal: Das Breitband-E-Modell reicht von 0 bis 129, etwa 29% über die Schmalbandskala hinaus (ITU-T G.107.1).
| Metrik | Wert | Quelle |
|---|---|---|
| Hörqualitätsskala für subjektive MOS-Tests | 5 = Ausgezeichnet, 4 = Gut, 3 = Ordentlich, 2 = Dürftig, 1 = Schlecht | ITU-T P.800 (08/1996) |
| Schmalband-R-Faktor bei allen E-Modell-Parametern im Standardwert | 93,2 | ITU-T G.107 (06/2015) |
| Untergrenze von R 90: geschätzter MOS / Nutzer, die gut oder besser bewerten / Nutzer, die schlecht oder schlechter bewerten | 4,34 / mindestens 97% / 0% (sehr zufrieden) | ITU-T G.107 (06/2015), Anhang B |
| Untergrenze von R 70: geschätzter MOS / gut oder besser / schlecht oder schlechter | 3,60 / mindestens 73% / höchstens 6% (einige Nutzer unzufrieden) | ITU-T G.107 (06/2015), Anhang B |
| Untergrenze von R 50: geschätzter MOS / gut oder besser / schlecht oder schlechter | 2,58 / mindestens 27% / höchstens 38% (nahezu alle Nutzer unzufrieden) | ITU-T G.107 (06/2015), Anhang B |
| Maximaler Vorteilsfaktor A (Qualität, die Nutzer gegen Komfort eintauschen): drahtgebunden / mobil im Gebäude / mobil im Fahrzeug / Satellit mit mehreren Hops | 0 / 5 / 10 / 20 | ITU-T G.107 (06/2015), Tabelle 2 |
| R-Faktor-Bereich im Breitband-E-Modell | 0 bis 129 | ITU-T G.107.1 (06/2019) |
| R-Wert, den RTCP-XR-Berichte als Qualität des öffentlichen Telefonnetzes bezeichnen, versus Wert, bei oder unter dem Anrufe als unbrauchbar gelten | 94 versus 50 | IETF RFC 3611 (2003) |
Kontexthinweis: “Qualität des öffentlichen Telefonnetzes” meint die Qualität eines herkömmlichen Festnetzanrufs. RFC 3611 kodiert MOS-Werte als Ganzzahlen von 10 bis 50 (MOS mal 10), wobei 127 für nicht verfügbar steht. Die Bezeichnung bei 94 und der E-Modell-Standardwert von 93,2 verwenden unterschiedliche Konventionen und sollten nicht als Widerspruch gelesen werden.
5. Von PESQ zu POLQA: Wie objektive Modelle Sprache bewerten
Hörpanels sind langsam und teuer, deshalb werden Netze mit objektiven Modellen bewertet, die eine saubere Referenzaufnahme mit der beeinträchtigten vergleichen und den MOS vorhersagen, den ein Panel vergeben würde. ITU-T hat PESQ (P.862) und die zugehörigen Empfehlungen P.862.1 bis P.862.3 am 5. Januar 2024 gestrichen und verweist auf POLQA (P.863) (ITU-T P.862). Noch in der Ausgabe von 2019 teilte der POLQA-Anwendungsleitfaden Ingenieuren mit, dass P.863 die P.862 “nicht ablöst”, und empfahl, beide parallel laufen zu lassen; jeder vor 2024 verfasste Testplan verdient daher einen zweiten Blick.
Die größere Falle ist die Skala. POLQA deckt Schmalband (300 bis 3.400 Hz) bis Vollband (20 bis 20.000 Hz) ab, und seine dritte Ausgabe (2018) entfernte den ursprünglichen 14-kHz-Tiefpassfilter, um Vollband-Codecs wie Opus und EVS zu verarbeiten (ITU-T P.863). Der Schmalbandmodus endet bei 4,5, der Vollbandmodus bei 4,8, und derselbe G.711-Anruf erreicht im einen 4,4 und im anderen 3,6 (ITU-T P.863.1). Ein “MOS von 3,6” bedeutet nichts, solange man nicht weiß, welcher Modus ihn erzeugt hat. Wie Netzbetreiber diese Werte aus echten Messfahrten veröffentlichen, zeigen unsere Statistiken zur Mobilfunk-Sprachqualität (MOS).
| Metrik | Wert | Quelle |
|---|---|---|
| Status von PESQ bei ITU-T | P.862, P.862.1, P.862.2 und P.862.3 am 5. Januar 2024 gestrichen | Seite zu ITU-T P.862 (2024) |
| Bereich des rohen PESQ-Werts | -0,5 bis 4,5 | Lipovac et al., EURASIP JWCN 2021 |
| Audiobandbreiten-Abdeckung von POLQA | Schmalband 300 bis 3.400 Hz bis Vollband 20 bis 20.000 Hz (Superbreitband 50 bis 14.000 Hz durch Bandbegrenzung simuliert) | ITU-T P.863 (03/2018) |
| Maximaler POLQA-Wert: Schmalbandmodus versus Vollbandmodus | 4,5 versus 4,8 (transparente Vollband-Referenzen sollten mindestens 4,75 erreichen) | ITU-T P.863.1 (06/2019) |
| G.711 mit IRS-Handset-Filter, Durchschnittswert: PESQ Schmalband / POLQA Schmalband / POLQA Vollband | 4,4 / 4,4 / 3,6 | ITU-T P.863.1 (06/2019), Tabelle 6 |
| AMR-NB mit 12,2 kbit/s, Durchschnittswert: PESQ Schmalband / POLQA Schmalband / POLQA Vollband | 4,0 / 4,2 / 3,2 | ITU-T P.863.1 (06/2019), Tabelle 6 |
| Durchschnittlicher POLQA-Vollbandwert: EVS 48 kbit/s Vollband versus EVS 24,4 kbit/s Superbreitband versus AMR-WB 23,85 kbit/s | 4,70 versus 4,65 versus 4,0 | ITU-T P.863.1 (06/2019), Tabelle 6 |
| Empfohlene POLQA-Testprobe | 3 bis 6 s aktive Sprache, höchstens 12 s insgesamt; 8 Satzpaare von 2 männlichen und 2 weiblichen Sprechern | ITU-T P.863.1 (06/2019) |
Kontexthinweis: Die Werte der Tabelle 6 sind Durchschnittswerte, einzelne Proben können abweichen. In der Studie von 2015 in Acta Acustica zu den zeitlichen Verschiebungen des Jitter-Puffers (siehe Abschnitt 3) sagte POLQA deutlich besser als PESQ vorher, was Hörer wahrnahmen.
6. Feldmessung: Was Regulierer und Anruf-Dashboards erfassen
Labormodelle beschreiben, was geschehen sollte; Feldkampagnen zeigen, was geschieht. Die französische Regulierungsbehörde Arcep zählt einen Anruf nur dann als “perfekt”, wenn er zwei Minuten lang ohne hörbare Störung gehalten wird, ein strengerer Test als die Frage, ob der Anruf zustande kommt. Ihre Kampagne 2025, die auf mehr als 1 Million Messungen über alle Dienste zwischen Juni und August 2025 beruht (Arcep, Dienstqualität im Mobilfunk in Metropolitan-Frankreich 2025), zeigt, dass nur 76% bis 83% der Anrufe in ländlichen Gebieten perfekte Qualität erreichen, gegenüber 89% bis 96% in dicht besiedelten Gebieten.
Zwei Details sind speziell für VoIP wichtig. Anrufe über Messaging-Apps (OTT-Sprache, also Sprache, die als Daten über das Internet läuft) schnitten in denselben Netzen schlechter ab als der eigene Sprachdienst der Betreiber. Und in den Hochgeschwindigkeitszügen TGV wurden nur 56% bis 74% der Anrufe aufgebaut und zwei Minuten lang gehalten. Unternehmensplattformen wenden eine ähnliche Logik auf jeden Anruf an: Neben seiner 30-ms-Jitter-Regel stuft Teams einen Audiostrom als Schlecht ein, wenn die Umlaufzeit über 500 ms oder der Paketverlust über 10% liegt, und bewertet nur Ströme mit mehr als 500 Paketen (Microsoft Learn, Stream-Klassifizierung im CQD). Zur Netztechnologie hinter der Betreiber-Sprachtelefonie siehe unsere Statistiken zur VoLTE- und VoNR-Verbreitung.
| Metrik | Wert | Quelle |
|---|---|---|
| Anrufe perfekter Qualität (2 Minuten gehalten, keine hörbare Störung), Metropolitan-Frankreich: Orange / Bouygues Telecom / SFR / Free Mobile | 91% / 88% / 87% / 84% | Arcep-Kampagne 2025 |
| Derselbe Indikator in dicht besiedelten Gebieten: Orange / Bouygues Telecom / SFR / Free Mobile | 95% / 96% / 92% / 89% | Arcep-Kampagne 2025 |
| Derselbe Indikator in ländlichen Gebieten: Orange / Bouygues Telecom / SFR / Free Mobile | 83% / 77% / 79% / 76% | Arcep-Kampagne 2025 |
| Über Messaging-Apps (OTT-Sprache) geführte Anrufe, 2 Minuten ohne hörbare Störung gehalten | Orange 82%, Free Mobile 80%, SFR 77%, Bouygues Telecom 77% | Arcep-Kampagne 2025 |
| Aufgebaute und 2 Minuten gehaltene Anrufe in Hochgeschwindigkeitszügen TGV | 56% (SFR) bis 74% (Orange) | Arcep-Kampagne 2025 |
| Umlaufzeit, ab der Teams einen Audiostrom als Schlecht einstuft | Über 500 ms | Microsoft Learn, CQD-Stream-Klassifizierung (2026), Herstellerschwelle |
| Paketverlustrate, ab der Teams einen Audiostrom als Schlecht einstuft | Über 10% (0,1) | Microsoft Learn, CQD-Stream-Klassifizierung (2026), Herstellerschwelle |
Kontexthinweis: Der TGV-Wert misst aufgebaute und zwei Minuten gehaltene Anrufe; die Mitteilung von Arcep gibt nicht an, dass die Bedingung “keine hörbare Störung” auf die Transportergebnisse zutrifft, daher ist er mit den Zeilen zur perfekten Qualität nicht vergleichbar. Arcep veröffentlicht in dieser Mitteilung keine POLQA- oder MOS-Werte.
Zusammenfassung: VoIP-Jitter-Puffer und Sprachqualität in Zahlen
| Metrik | Wert | Quelle |
|---|---|---|
| Einwegverzögerung für im Wesentlichen transparente Interaktivität versus Planungsobergrenze | Unter 150 ms versus 400 ms | ITU-T G.114 (2003) |
| Mittlere Verzögerung, die ein De-Jitter-Puffer für einen Bereich von 50 ms Laufzeitschwankung hinzufügt | 25 ms (die Hälfte seiner maximalen Verzögerung) | ITU-T G.114 (2003) |
| Obergrenze der mittleren IP-Übertragungsverzögerung für VoIP mit hoher Interaktivität (QoS-Klasse 0) | 100 ms | ITU-T Y.1541 (2011) |
| Zielwert der Laufzeitschwankung beim Endnutzer, Gesprächssprache | Unter 1 ms | ITU-T G.1010 (2001) |
| Algorithmische Verzögerung von Opus | 5 ms bis 65,2 ms | IETF RFC 6716 (2012) |
| Grenze für jitterbedingten Verlust bei 3GPP-Jitter-Puffern | Unter 1% in allen 6 Testprofilen | 3GPP TS 26.114 (Release 19) |
| Anteil der Sprachframes, die innerhalb der Referenzverzögerung plus 60 ms bleiben müssen | Mindestens 90% | 3GPP TS 26.114 (Release 19) |
| Mittlerer Jitter, der einen Teams-Audiostrom als Schlecht markiert | Über 30 ms | Microsoft Learn (2026) |
| Mittlere Einwegverzögerung in einem VoLTE-Labortest | 57,5 ms | Lipovac et al., EURASIP JWCN 2021 |
| Wiedergabeverschiebungen in Ruhephasen mit vernachlässigbarem Effekt auf die Hörer | 30 ms oder weniger | Počta, Melvin und Hines, Acta Acustica 2015 |
| Nutzer, die einen Anruf bei R 90 versus R 70 versus R 50 als gut oder besser bewerten | Mindestens 97% versus 73% versus 27% | ITU-T G.107 (2015) |
| R-Bereich des Breitband-E-Modells | 0 bis 129 | ITU-T G.107.1 (2019) |
| In RTCP XR als Qualität des öffentlichen Telefonnetzes bezeichneter R-Wert | 94 | IETF RFC 3611 (2003) |
| Von ITU-T gestrichenes PESQ | 5. Januar 2024 | Seite zu ITU-T P.862 (2024) |
| Maximaler POLQA-Wert, Schmalband- versus Vollbandmodus | 4,5 versus 4,8 | ITU-T P.863.1 (2019) |
| Obergrenze der Paketlaufzeitschwankung für interaktive VoIP-Netze (QoS-Klassen 0 und 1) | 50 ms | ITU-T Y.1541 (2011) |
| Anrufe perfekter Qualität landesweit, bester versus schwächster Betreiber in Frankreich | 91% (Orange) versus 84% (Free Mobile) | Arcep-Kampagne 2025 |
| OTT-App-Anrufe, in Frankreich 2 Minuten ohne hörbare Störung gehalten | 77% bis 82% | Arcep-Kampagne 2025 |
Methodik und Quellen
Jede der obigen Zahlen wurde bei der Recherche für diesen Artikel im Primärdokument gelesen, entweder auf der Seite des Herausgebers oder im Volltext der Empfehlung, der RFC oder der Studie. Herstellerangaben (Microsoft) sind als solche gekennzeichnet und werden nur für betriebliche Schwellenwerte verwendet.
- ITU-T: G.114, Einwegübertragungszeit (05/2003, mit der VoIP-Änderung in Anhang II), G.107, Das E-Modell (06/2015), G.107.1, Breitband-E-Modell (06/2019), G.1010, QoS-Kategorien für Multimedia beim Endnutzer (11/2001), Y.1541, Netzleistungsziele für IP-basierte Dienste (12/2011)
- ITU-T-Bewertung der Sprachqualität: P.800 (08/1996), Statusseite zu P.862 (PESQ), P.863 (POLQA) (03/2018), Anwendungsleitfaden P.863.1 (06/2019)
- IETF: RFC 3550, RTP (Juli 2003), RFC 3611, erweiterte RTCP-Berichte (November 2003), RFC 6716, Opus-Codec (September 2012)
- 3GPP: TS 26.114, IMS-Multimedia-Telefonie, Medienverarbeitung und Interaktion (Text von Release 19 gelesen; Version 20.1.1 als aktuellste gelistet)
- Arcep: Dienstqualität im Mobilfunk in Metropolitan-Frankreich, Kampagne 2025 (Pressemitteilung, 20. November 2025)
- Microsoft: Stream-Klassifizierung im Call Quality Dashboard (Microsoft Learn, aktualisiert im Juni 2026; Herstellerschwellen)
- Počta, Melvin und Hines: An Analysis of the Impact of Playout Delay Adjustments introduced by VoIP Jitter Buffers on Listening Speech Quality (Acta Acustica united with Acustica, 2015)
- Lipovac, Lipovac, Grbavac und Obradović: Practical cross-layer testing of HARQ-induced delay variation on IP/RTP QoS and VoLTE QoE (EURASIP Journal on Wireless Communications and Networking, 2021)
- Daten-Hinweis: Die meisten Verzögerungs- und Bewertungsschwellen stammen aus Standards, die alt, aber weiterhin die gültigen Ausgaben sind (G.114 2003, G.1010 2001, Y.1541 2011, P.800 1996, RFC 3550 und RFC 3611 2003); es sind die aktuellsten verfügbaren Daten, keine veralteten Messungen. Die Quellen widersprechen sich bei PESQ: ITU-T P.863.1 (2019) sagte, POLQA löse PESQ nicht ab, und empfahl, beide parallel laufen zu lassen, doch ITU-T hat P.862 am 5. Januar 2024 gestrichen. Die 3GPP-Kriterien für Jitter-Puffer wurden im Release-19-Text über einen Spiegel der Spezifikation gelesen und sollten anhand von Release 20 (Version 20.1.1, hochgeladen am 25. September 2026) erneut geprüft werden. Arcep gibt den Messzeitraum 2025 im Haupttext seiner Mitteilung als Juni bis August an und im Anhang als Ende Mai bis August. Die VoLTE-Studie von Lipovac et al. nennt in einem Abschnitt ein Signifikanzniveau von 1% und verweist in einem anderen auf 0,1; hier werden nur ihre beschreibenden Verzögerungs- und Jitter-Werte verwendet. Die MOS-Obergrenze des E-Modells für R über 100 wird nicht zitiert, weil der extrahierte Text von G.107 an dieser Stelle verstümmelt war. Die TRAI-Messfahrtberichte (gescannte PDFs) und die Mobile-Matters-Seiten von Ofcom (HTTP 403) konnten nicht gelesen werden und wurden ausgeschlossen. Unsere Recherche fand nach 2016 nur wenige offene, begutachtete Hörtests zum Verhalten von Jitter-Puffern, und das Websuche-Budget dieser Sitzung war früh erschöpft, sodass neuere Studien existieren können und bei der nächsten Aktualisierung geprüft werden.
Zuletzt aktualisiert: 24. Oktober 2026. Wir aktualisieren diese Zusammenstellung vierteljährlich, und die nächste Aktualisierung wird erwartet, wenn Arcep die Ergebnisse seiner Kampagne 2026 zur Dienstqualität im Mobilfunk in Metropolitan-Frankreich veröffentlicht.