SIP-Protokoll: Funktion, Ablauf und Nutzen für KI-Telefonie

SIP (Session Initiation Protocol) ist das Protokoll, das Internet-Telefonate aufbaut, steuert und beendet. Die Sprache selbst transportiert es nicht. Für Unternehmen entscheidet SIP darüber, wie sich Telefonanlage, Anbieter und ein KI-Telefonassistent miteinander verbinden lassen.

Wer eine Telefonanlage einrichtet, einen Anbieter wechselt oder einen KI-Telefonassistenten einbinden will, liest in jedem Datenblatt das Kürzel SIP. Dieser Beitrag erklärt, was das Protokoll macht, wie ein Anruf technisch abläuft, welche Fehlermeldungen Sie kennen sollten und worauf es bei der Anbindung eines KI-Assistenten ankommt.

Was ist das SIP-Protokoll?

Das Session Initiation Protocol ist ein offener Standard der Internet Engineering Task Force. Die erste Fassung erschien 1999 als RFC 2543, die bis heute gültige Grundspezifikation ist RFC 3261 von 2002. SIP regelt, wie zwei oder mehr Teilnehmer eine Kommunikationssitzung aufbauen, verändern und beenden. In der Praxis ist das fast immer ein Telefonat, SIP kann aber auch Video und Chat steuern.

SIP ist textbasiert und ähnelt im Aufbau HTTP, dem Protokoll des Webs. Jede Nachricht besteht aus einer Startzeile, Kopfzeilen und einem optionalen Inhalt. Teilnehmer werden über SIP-Adressen angesprochen, die wie E-Mail-Adressen aussehen, zum Beispiel sip:empfang@firma.de oder sip:+4922112345@anbieter.de.

Weil der Standard offen ist, arbeiten Telefone, Anlagen und Anbieter verschiedener Hersteller zusammen. Das ist der Grund, warum Sie eine Starface- oder 3CX-Anlage mit vielen verschiedenen Telefonieanbietern betreiben und einen KI-Assistenten eines dritten Anbieters dazuschalten können.

SIP, VoIP und RTP: wer macht was?

SIP wird oft mit VoIP gleichgesetzt. Genau genommen ist SIP nur ein Baustein. Ein Internet-Telefonat braucht mehrere Protokolle:

Daraus folgt eine wichtige Unterscheidung für die Fehlersuche: Klingelt ein Telefon nicht, liegt das Problem meist bei SIP. Klingelt es, aber eine Seite hört nichts, liegt es fast immer am Sprachkanal (RTP), oft an Firewall oder NAT.

So läuft ein Anruf per SIP ab

Ein typischer Anruf zwischen Ihrer Anlage und dem Anbieter folgt immer demselben Muster:

1. REGISTER: Ihre Anlage meldet sich mit Benutzername und Kennwort beim Server des Anbieters an (Registrar). Damit weiß der Anbieter, wohin er eingehende Anrufe schicken soll.
2. INVITE: Der Anrufer schickt eine Einladung. Darin steckt per SDP, welche Codecs er beherrscht.
3. 100 Trying, 180 Ringing: Die Gegenseite meldet, dass sie die Anfrage bearbeitet und das Telefon klingelt.
4. 200 OK: Der Angerufene nimmt ab und bestätigt den gewählten Codec.
5. ACK: Der Anrufer bestätigt. Ab jetzt fließt die Sprache per RTP direkt zwischen den Endpunkten.
6. BYE: Eine Seite legt auf, die andere antwortet mit 200 OK.

Neben diesen Grundmethoden gibt es Erweiterungen, die für Unternehmen wichtig sind. REFER (RFC 3515) bittet die Gegenseite, ein Gespräch an ein anderes Ziel weiterzuverbinden. Genau damit übergibt ein KI-Assistent einen Anrufer an einen Mitarbeiter. OPTIONS fragt ab, ob eine Gegenstelle erreichbar ist, und dient vielen Anlagen als Lebenszeichen. CANCEL bricht einen noch nicht angenommenen Anruf ab.

SIP-Statuscodes, die Ihnen in der Praxis begegnen

Jede Antwort trägt einen dreistelligen Code. RFC 3261 teilt sie in sechs Klassen: 1xx vorläufig, 2xx Erfolg, 3xx Umleitung, 4xx Fehler der Anfrage, 5xx Serverfehler, 6xx globale Fehler. Diese Codes tauchen in Protokollen von Anlagen und KI-Plattformen regelmäßig auf:

Wenn Ihr IT-Dienstleister oder der Support eines KI-Anbieters nach dem „SIP-Code“ fragt, ist eine dieser Zahlen gemeint. Sie verkürzt die Fehlersuche erheblich.

Ports, Firewall und NAT

SIP nutzt standardmäßig Port 5060 (UDP oder TCP, unverschlüsselt) und Port 5061 (TLS). Die Sprachdaten laufen über weitere Ports, die bei jedem Gespräch neu vereinbart werden. Hinter einem Router mit Adressumsetzung (NAT) führt das häufig zu einseitiger Stille oder Gesprächsabbrüchen nach einigen Sekunden. Verfahren wie STUN und ICE helfen, die richtigen Adressen zu finden. Welche Ports und Serveradressen freizugeben sind, steht in der Einrichtungsanleitung Ihres Anbieters. Lassen Sie zusätzlich die Priorisierung von Sprachdaten (Quality of Service) im Router aktivieren.

Sicherheit: Verschlüsselung und Missbrauchsschutz

Ohne Verschlüsselung gehen SIP-Nachrichten und Sprache im Klartext durchs Netz. Schutz bieten SIP über TLS für die Signalisierung und SRTP (RFC 3711) für die Sprache. Beides sollte zusammen aktiv sein, sonst bleibt eine Hälfte lesbar. Die Verschlüsselung endet am Übergang ins klassische Telefon- oder Mobilfunknetz.

Ein zweites Risiko sind gekaperte SIP-Konten: Wer Zugangsdaten erbeutet, kann auf Ihre Kosten teure Auslands- oder Sonderrufnummern anwählen. Verwenden Sie lange, zufällige Kennwörter, sperren Sie im Kundenportal Ziele, die Sie nicht brauchen, und setzen Sie, wo angeboten, ein Kostenlimit.

SIP-Zugangsdaten: woher und wofür?

Die Zugangsdaten stellt Ihr Telefonieanbieter bereit, meist im Kundenportal. Üblich sind Benutzername, Kennwort und Registrar, also die Serveradresse. Manche Anbieter verlangen zusätzlich einen Proxy oder die Rufnummer als Anmeldenamen. Für die FRITZ!Box beschreibt der Hersteller die Einrichtung in der Anleitung Internetrufnummern in FRITZ!Box einrichten. SIP-Trunks betreibt die FRITZ!Box laut Hersteller nur im Registered Mode, nicht im Static Mode. Für größere Anlagen mit Durchwahlblock bekommen Sie statt einzelner Konten einen SIP-Trunk.

Was SIP für einen KI-Telefonassistenten bedeutet

Ein KI-Telefonassistent ist technisch ein weiterer SIP-Teilnehmer. Er nimmt das INVITE an, hört per RTP zu, antwortet mit synthetischer Stimme und übergibt bei Bedarf per REFER oder über einen zweiten Anruf an einen Menschen. Für die Anbindung gibt es zwei Wege.

Rufumleitung: Sie leiten Ihre Nummer bei Besetzt, nach Zeit oder dauerhaft auf eine Nummer des KI-Anbieters um. Das geht mit fast jeder Anlage, auch ohne SIP-Kenntnisse. Die Anleitung finden Sie in unserem Ratgeber Rufumleitung einrichten.

Direkte SIP-Anbindung: Der Assistent wird an Ihrer Anlage oder Ihrem Trunk registriert. Er kann dann intern an Durchwahlen übergeben, ausgehend Ihre Firmennummer anzeigen und Gespräche über die Kanäle Ihres Trunks parallel führen. Der Aufwand ist höher, weil Zugangsdaten, Wählregeln und Firewall angepasst werden müssen.

Drei technische Punkte sollten Sie dabei vorab klären:

• Tastentöne: Soll der Assistent Eingaben wie „Drücken Sie die 1“ verstehen, müssen Anlage und Anbieter dasselbe DTMF-Verfahren nutzen, meist nach RFC 4733.
• Codec und Verzögerung: Jede Umwandlung zwischen Codecs und jeder zusätzliche Netzabschnitt kostet Zeit. Warum das bei KI-Gesprächen spürbar ist, erklärt der Beitrag zur Latenz in der Telefonie.
• Weiterleitung: Fragen Sie, ob die Übergabe per SIP REFER innerhalb Ihrer Anlage läuft oder ob ein zweites Gespräch ins öffentliche Netz aufgebaut wird. Das zweite kostet je nach Anbieter extra.

Welche Anbieter SIP unterstützen

Laut den Anbieterangaben, die wir für den Anbietervergleich ausgewertet haben (Stand Oktober 2026), nennen unter anderem diese KI-Telefonassistenten eine SIP-Anbindung:

• fonio: SIP-Trunk ab dem Tarif Team (359 € netto im Monat, 299 € bei Jahreszahlung).
• Famulor: SIP-Trunks sowie Anbindungen an 3CX und Starface.
• smao: SIP-Trunk unter den Integrationen, laut Anbieter unbegrenzt parallele Anrufe.
• VITAS: vor allem für Arztpraxen, mit AGFEO-Anbindung und SIP-Trunk.
• Zeeg: SIP-Trunk neben Kalender- und CRM-Anbindungen.

Ob ein Anbieter Ihre konkrete Anlage und Ihren Trunk-Anbieter getestet hat, steht nicht immer öffentlich. Lassen Sie sich das vor Vertragsschluss schriftlich bestätigen.

Unabhängig vom Anbindungsweg verarbeitet der KI-Dienst Gesprächsdaten in Ihrem Auftrag. Dafür brauchen Sie einen Auftragsverarbeitungsvertrag nach Art. 28 DSGVO. Art. 50 Abs. 1 der KI-Verordnung (EU) 2024/1689 verlangt zudem, dass Anrufer erfahren, wenn sie mit einem KI-System sprechen. Hinweis: Dies ist keine Rechtsberatung.

Fragen an Ihren KI-Anbieter vor dem Start

1. Unterstützen Sie die Anbindung per SIP-Registrierung, per SIP-Trunk oder beides?
2. Welche Telefonanlagen und Telefonieanbieter sind getestet?
3. Laufen Signalisierung und Sprache verschlüsselt (TLS und SRTP)?
4. Wie viele Gespräche kann der Assistent gleichzeitig führen, und ab welchem Tarif?
5. Wie erfolgt die Weiterleitung an Mitarbeiter, und was kostet sie?
6. Wo stehen die Server, über die Sprache und Transkripte laufen?

Die laufenden Kosten aus Grundgebühr und Minutenpreisen rechnen Sie mit unserem Kostenrechner durch, einen Überblick gibt die Seite Kosten von KI-Telefonassistenten.

Fazit

SIP ist die gemeinsame Sprache, über die Telefone, Anlagen, Anbieter und KI-Assistenten Gespräche aufbauen und weitergeben. Für den Einstieg in die KI-Telefonie müssen Sie das Protokoll nicht beherrschen, die Rufumleitung reicht. Wer den Assistenten aber fest in die eigene Anlage einbauen will, sollte die Begriffe aus diesem Beitrag kennen und gezielt einen Anbieter mit SIP-Unterstützung wählen. Alle geprüften Lösungen finden Sie in der Anbieterübersicht, wie wir bewerten, erklärt die Methodik.

fonio kostenlos testen →Anzeige

Häufige Fragen