Was Telefonie ist, wie Anrufe über PSTN, VoIP und SIP laufen und was ein KI-Sprachagent von Ihrem Telefonie-Stack braucht, um Anrufe anzunehmen.
Telefonie ist die Technologie, die Sprachanrufe zwischen Menschen oder Systemen über eine Distanz überträgt – über das öffentliche Telefonnetz, das Internet oder beides. Heute läuft der Großteil der Unternehmenstelefonie über Internetprotokolle, und ein KI-Sprachagent verbindet sich damit auf die gleiche Weise wie eine Telefonanlage.
Telefonie ist das gesamte Fachgebiet. PSTN, VoIP und SIP sind Teile davon, die oft so verwendet werden, als bedeuteten sie dasselbe.
| Begriff | Was es ist | Wo ein KI-Sprachagent darauf trifft |
|---|---|---|
| Telefonie | Jede Technologie, die Sprachanrufe überträgt | Der gesamte Stack, auf dem Ihre Anrufe laufen |
| PSTN | Das öffentliche Telefonnetz (Public Switched Telephone Network): die miteinander verbundenen, leitungsvermittelten Sprachnetze, zu denen Telefonnummern gehören | Anrufer erreichen Sie darüber; Ihr Carrier verbindet es mit dem Internet |
| VoIP | Voice over IP: Sprachkommunikation über ein Datennetz mithilfe von Internetprotokollen | Der Agent kommuniziert mit Ihrem Stack über IP, nicht über Kupferleitungen |
| SIP | Session Initiation Protocol: das Signalisierungsprotokoll, das Anrufe aufbaut, ändert und beendet | Retell verbindet sich über SIP mit Carriern und Telefonanlagen |
| RTP | Real-time Transport Protocol, das das Audio selbst überträgt | Das Live-Audio zwischen Anrufer und Agent |
| SIP-Trunk | Eine SIP-Verbindung zwischen Ihrer Telefonanlage und einem Carrier | So leiten Sie Ihre Nummern an einen KI-Sprachagenten |
Das PSTN wird in RFC 5486 als Gesamtheit der miteinander verbundenen, leitungsvermittelten, sprachorientierten öffentlichen Telefonnetze beschrieben, und das NIST definiert VoIP als Sprachkommunikation über ein Datennetz mithilfe von Internetprotokollen. SIP ist in RFC 3261 als Signalisierungsprotokoll zum Aufbauen, Ändern und Beenden von Sitzungen definiert, einschließlich Internet-Telefonanrufen. RTP, definiert in RFC 3550, überträgt das Echtzeit-Audio. Wenn Sie Signalisierung und Audio gedanklich trennen, lassen sich die meisten Telefonieprobleme leichter diagnostizieren: Die Signalisierung entscheidet, ob ein Anruf zustande kommt, die Medien entscheiden, ob jemand etwas hören kann.
Ein Anruf gelangt zunächst über das PSTN oder das Netz des Carriers zu dem Carrier, dem die Nummer gehört. Der Carrier übergibt ihn dann über einen SIP-Trunk an Ihre Seite. SIP baut den Anruf auf, und RTP überträgt die Stimme, sobald die Verbindung steht.
Bei einem Anruf, der von Retell angenommen wird, sehen die letzten Stationen so aus:

Jeder Trunk hat zwei Richtungen, und jede wird an einer anderen Stelle konfiguriert. Origination betrifft Anrufe, die von Ihrem Anbieter zu Retell fließen: Sie setzen die Origination-SIP-URI in den Trunk-Einstellungen Ihres Anbieters auf sip:sip.retellai.com. Termination betrifft Anrufe, die von Retell über Ihren Anbieter nach außen fließen: Ihr Anbieter stellt Ihnen eine Termination-SIP-URI bereit, die Sie beim Importieren der Nummer an Retell übergeben.
Ein Telefonie-Stack in Unternehmen besteht meist aus fünf Teilen, und ein KI-Sprachagent fügt sich als weiterer Endpunkt ein.
Es gibt drei Verbindungsmöglichkeiten, je nachdem, wem die Nummern gehören.
Aus Sicherheitsgründen unterstützt Retell TCP, UDP, TLS und mTLS für die Signalisierung. SRTP-Medienverschlüsselung erfordert TLS als Transport. Unterstützte Audio-Codecs sind PCMU, PCMA und G.722. mTLS wird auf Anfrage über den Retell-Support konfiguriert. Bevor Sie Live-Anrufe weiterleiten, können Sie beim Importieren einer Nummer den Test SIP Connection ausführen, der eine SIP-OPTIONS-Anfrage an Ihre Termination-URI sendet, ohne einen Anruf zu tätigen. Ein bestandener Test beweist weder Routing noch Audio, führen Sie daher anschließend echte eingehende und ausgehende Testanrufe durch.
Eine ausführlichere Anleitung zur SIP-Seite finden Sie unter KI mit SIP-Trunking integrieren, und sehen Sie, wie sich eine Twilio-Verbindung einfügt.
Stellen Sie diese Fragen zuerst Ihrem Anbieter oder Ihrem IT-Team. Jede davon verhindert eine typische Verzögerung beim Start.
Eine Checkliste aus Anbietersicht finden Sie unter einen Anbieter für konversationelle KI für Ihre Telefonie-Infrastruktur auswählen.
Ein KI-Sprachagent ist die Software, die auf Basis Ihres Telefonie-Stacks Anrufe annimmt und tätigt. Die Preise beginnen bei 0,07 $ pro Minute; aktuelle Details finden Sie unter Retell Preise.
Die Retell AI verbindet sich mit dem Carrier und der Telefonanlage, die Sie bereits nutzen, oder stellt Ihnen Nummern für den Einstieg bereit, sodass ein KI-Sprachagent Anrufe annehmen und tätigen kann, ohne Ihren Stack zu ersetzen. Sprechen Sie mit unserem Team über Ihr Telefonie-Setup und darüber, welche Verbindungsmethode zu Ihnen passt.