DTMF: Tonwahl am Telefon und was KI-Assistenten damit tun

DTMF (Dual-Tone Multi-Frequency), auf Deutsch Mehrfrequenzwahlverfahren (MFV) oder Tonwahl, sind die Töne, die beim Drücken einer Telefontaste entstehen. Jede Taste erzeugt zwei Frequenzen gleichzeitig, die eine Telefonanlage, ein Sprachmenü oder ein KI-Assistent als Ziffer erkennt.

Wer bei einer Hotline „Drücken Sie die 1" hört und die Taste drückt, nutzt DTMF. Der kurze Piepton, den das Telefon dabei erzeugt, ist ein Signal, das die Gegenseite als Ziffer ausliest. Das Verfahren ist Jahrzehnte alt und steckt trotzdem in fast jedem Sprachmenü, jeder Mailbox-PIN und vielen KI-Telefonassistenten. (Falls Sie das Album oder den Song „DtMF" von Bad Bunny suchen: Darum geht es hier nicht.)

Auf dieser Seite lesen Sie, wie DTMF technisch funktioniert, warum es bei Internet-Telefonie gelegentlich hakt und worauf Sie achten sollten, wenn ein KI-Assistent Tasteneingaben annehmen oder selbst senden soll.

Was ist DTMF?

DTMF steht für Dual-Tone Multi-Frequency, also „Zweiton-Mehrfrequenz". Im Deutschen heißt das Verfahren Mehrfrequenzwahlverfahren (MFV) oder kurz Tonwahl. In den USA lief es ab 1963 unter dem Markennamen „Touch Tone". Heute hat die Tonwahl die alte Impulswahl (das Klackern der Wählscheibe) praktisch überall abgelöst.

Standardisiert ist DTMF in der Empfehlung ITU-T Q.23, die Anforderungen an Empfänger beschreibt Q.24.

So funktioniert die Tonwahl

Die Telefontastatur ist ein Raster aus vier Zeilen und vier Spalten. Jede Zeile hat eine tiefe Frequenz, jede Spalte eine hohe. Drücken Sie eine Taste, sendet das Telefon beide Töne gleichzeitig.

Die Taste 5 besteht also aus 770 Hz und 1336 Hz. Die Tasten A bis D fehlen auf normalen Telefonen. Sie werden in Sondernetzen und von manchen Systemen intern genutzt.

Warum zwei Töne statt einem? Ein einzelner Ton könnte zufällig in Sprache oder Musik vorkommen. Die Kombination aus genau einem tiefen und einem hohen Ton aus festen Gruppen ist dagegen eindeutig. Der Empfänger prüft außerdem, wie lange der Ton anliegt und wie genau die Frequenzen getroffen werden. Die Grenzwerte für Mindestdauer und erlaubte Frequenzabweichung beschreibt Q.24; einzelne Netzbetreiber legen dort teils eigene Werte fest.

DTMF bei VoIP: drei Übertragungsarten

Im alten Festnetz lief der Doppelton einfach im Sprachkanal mit. Bei VoIP, also Telefonie über das Internet, gibt es drei Wege, und genau hier entstehen die meisten Probleme:

1. Inband: Der Ton wird als normales Audiosignal übertragen. Das funktioniert zuverlässig nur mit unkomprimierten Codecs wie G.711. Stärker komprimierende Codecs verzerren die Töne, die Gegenseite erkennt dann nichts oder die falsche Ziffer.
2. RFC 4733 (früher RFC 2833): Das Endgerät entfernt den Ton aus dem Audio und schickt die Ziffer als eigenes Datenpaket im Medienstrom (RTP). RFC 4733 von 2006 hat RFC 2833 abgelöst, im Alltag ist oft noch von „RFC 2833" die Rede. sipgate empfiehlt in seiner Hilfe, Telefon oder Adapter auf diese Methode („via RTP (RFC 2833)“) einzustellen, wenn Tastentöne nicht ankommen.
3. SIP INFO: Die Ziffer wird als separate Nachricht im Signalisierungsprotokoll SIP verschickt.

Nutzt die eine Seite Inband und die andere RFC 4733, kommen Tasten nicht an. Senden Geräte zwei Methoden gleichzeitig, kann das Menü jede Ziffer doppelt erkennen, aus „12" wird dann „1122". Wenn Ihre Cloud-Telefonanlage oder Ihr SIP-Trunk mit Sprachmenüs Ärger macht, ist die DTMF-Einstellung der erste Prüfpunkt.

Wofür Unternehmen DTMF nutzen

Im Betriebsalltag begegnet Ihnen DTMF an mehreren Stellen:

• Sprachmenüs: Die klassische IVR mit „Taste 1 für den Vertrieb" basiert auf Tonwahl.
• Mailbox und Fernabfrage: Die PIN für den Anrufbeantworter geben Sie per Tastenton ein. sipgate nennt in seiner Hilfe außerdem Funktionen wie Makeln und Weiterverbinden, für die DTMF nötig ist.
• Dateneingabe: Kunden-, Bestell- oder Vertragsnummern lassen sich per Tastatur schneller und fehlerfreier erfassen als per Sprache.
• Konferenzräume: Einwahl mit Konferenz-ID und PIN.

DTMF und KI-Telefonassistenten

Ein KI-Assistent versteht frei gesprochene Sätze. Warum braucht er überhaupt Tasten? Weil Sprache bei Zahlen fehleranfällig ist. Eine zwölfstellige Kundennummer, am Telefon in lauter Umgebung diktiert, wird schnell falsch transkribiert. Per Tastatur ist sie eindeutig. Bei DTMF gibt es zwei Richtungen, die Sie auseinanderhalten sollten.

Der Anrufer tippt, der Assistent liest: Der Bot bittet um eine Nummer, der Anrufer gibt sie über die Tastatur ein. Famulor beschreibt dafür eine Funktion zur Tasteneingabe: Sie erfasst laut Anbieter genau 1 bis 32 Stellen oder eine Eingabe bis zum Abschluss mit # oder *, speichert den Wert als Variable und kann ihn per Webhook an ein CRM übergeben. Führende Nullen bleiben dabei erhalten. Retell AI verweist in seiner Dokumentation ebenfalls auf eine Funktion zum Erfassen von Tasteneingaben des Anrufers („Capture DTMF input from user“), etwa für eine PIN oder Menüwahl.

Der Assistent tippt selbst: Ruft ein KI-Agent bei einer anderen Firma an, steht er oft vor deren Tastenmenü. Dann muss er Töne senden. Vapi bietet dafür ein DTMF-Werkzeug und nutzt nach eigener Doku die Methode RFC 2833. Retell AI hat für ausgehende Anrufe ein „Press Digit"-Werkzeug, das 0–9, * und # auch als Folge drückt (etwa „1234#" für eine Durchwahl). Wie lange der Agent nach einer Pause der Ansage wartet, lässt sich laut Doku zwischen 0 und 5000 ms einstellen, Standard sind 1000 ms. Famulor sendet laut Anbieter 0–9, *, # und A–D. Das ist vor allem für ausgehende KI-Anrufe relevant, etwa wenn der Agent bei Lieferanten oder Behörden-Hotlines durchkommen soll.

Vapi weist selbst darauf hin, dass der Erfolg auch davon abhängt, wie das angerufene Menü konfiguriert ist. Planen Sie also Testanrufe gegen die konkreten Zielnummern ein.

Bei vielen anderen Anbietern in unserem Vergleich, darunter fonio und sipgate sona, haben wir keine öffentliche Angabe zu DTMF gefunden. Das heißt nicht, dass es nicht geht, sondern nur, dass Sie es vor dem Kauf schriftlich klären sollten. Vapi und Retell AI richten sich an Entwickler und verarbeiten Daten laut eigenen Angaben in den USA; Vapi bietet eine EU-Region nur im teuren Premier-Paket an. Für einen Betrieb ohne eigene Technikabteilung ist das ein anderer Aufwand als ein fertiges Produkt. Einen Überblick gibt der Vergleich Voicebot-Plattformen für Entwickler.

Wann Tasten besser sind als Sprache

Faustregeln aus der Praxis:

• Zahlen, PINs, Durchwahlen: Tastatur. Eindeutig, schnell, keine Verwechslung von „fünfzehn" und „fünfzig".
• Laute Umgebung: Baustelle, Werkstatt, Straße. Tasten funktionieren, wo die Spracherkennung schwächelt.
• Vertrauliche Werte: Umstehende hören eine getippte PIN nicht mit.
• Anliegen schildern: Sprache. Niemand will „Rohrbruch im Keller" über Tasten eingeben.

Gute Lösungen bieten beides an: Der Anrufer darf die Nummer sagen oder tippen. Famulor nennt diese Kombination ausdrücklich.

Datenschutz bei Tasteneingaben

Eine per Tastatur eingegebene Kundennummer oder PIN ist ein personenbezogenes Datum oder ein Zugangsmerkmal, sobald sie einer Person zuzuordnen ist. Damit gelten die Grundsätze der Datenminimierung nach Art. 5 Abs. 1 lit. c DSGVO und die Pflicht zu angemessenen technischen und organisatorischen Maßnahmen nach Art. 32 DSGVO. Praktisch heißt das:

• Fragen Sie nur ab, was Sie wirklich brauchen.
• Klären Sie, ob Tasteneingaben im Gesprächsprotokoll oder Transkript landen. Famulor beschreibt eine Einstellung, um sensible Eingaben aus Transkripten auszublenden.
• Regeln Sie Speicherdauer und Zugriff im Auftragsverarbeitungsvertrag mit dem Anbieter.

Spricht der Anrufer mit einer KI, muss er das nach Art. 50 Abs. 1 der KI-Verordnung (EU) 2024/1689 erkennen können, sofern es nicht offensichtlich ist. Wie ein solcher Hinweis klingen kann, steht unter KI-Hinweis am Telefon. Mehr zum Thema im Ratgeber Datenschutz in der KI-Telefonie. Diese Hinweise sind keine Rechtsberatung. Klären Sie Ihren Einzelfall mit Ihrem Datenschutzbeauftragten.

Checkliste vor der Anbieterwahl

Wenn Tasteneingaben für Ihren Ablauf wichtig sind, fragen Sie den Anbieter konkret:

1. Kann der Assistent Tasteneingaben des Anrufers erfassen, und wie viele Stellen?
2. Kann er selbst Töne senden, falls er ausgehend telefoniert?
3. Welche Übertragungsart wird unterstützt (Inband, RFC 4733, SIP INFO), und passt sie zu Ihrer Telefonanlage?
4. Erscheinen Eingaben im Transkript, und lässt sich das abschalten?
5. Wohin werden die Werte übergeben (CRM, Webhook, E-Mail)?

Welche Lösung passt?

Brauchen Sie einen fertigen Assistenten, der Nummern per Tastatur annimmt und an Ihr CRM gibt, ist Famulor nach den öffentlich dokumentierten Funktionen die naheliegende Wahl in unserem Vergleich. Datenbank und Anwendung liegen laut Trust Center des Anbieters in Frankfurt, die KI-Region wählen Sie je Workspace (Global, EU oder US). Der Einstieg ist als Prepaid ohne Grundgebühr möglich, laut Preisdaten für 0,15 € netto pro Minute.

Spielt DTMF für Sie keine große Rolle, zählen andere Kriterien wie Terminbuchung, Datenschutz und Preis. Die Rangliste nach unserer Bewertung:

Alle Anbieter mit Filtern finden Sie unter KI-Telefonassistenten im Vergleich. Wie wir bewerten, erklärt die Methodik.

Häufige Fragen