Um zu verstehen, warum IP-Telefonie anders ist, gehen wir erstmal ein paar Jahrzehnte zurück: In die Zeit der Leitungsvermittlung.

Wir sehen hier eine Straße mit zwei voneinander getrennten Fahrspuren. Das vergleichbare Produkt in der Telefonie war ein ISDN-Basisanschluss mit zwei sog. B-Kanälen, also zwei getrennten "Leitungen" zum Telefonieren.

Die wesentlichen Eigenschaften:

• Zwei getrennte Fahrspuren/Leitungen, die jeweils Kapazität für ein Fahrzeug/Gespräch hatten
• Da auch ISDN ja schon digital war, wurde ein Telefonat in Datenpakete zerlegt (sozusagen Tondateien für jede Silbe) und die transportiert.
• Wie man aber an den Fahrzeugen auf der oberen Fahrspur sieht, können auch andere Arten von Daten transportiert werden
• Vorteil: Da jedes Gespräch exklusiv eine eigene Fahrspur hat, kann es keinen Stau geben. Entweder die Fahrspur ist frei (dann kommt das Gespräch zustande und die Daten fließen flüssig), oder die Fahrspur ist belegt (oder aufgrund einer Baustelle gesperrt), dann kann niemand drauffahren und der Anrufer bekäme ein "besetzt"
• Nachteil: Da jedes Gespräch exklusiv eine eigene Fahrspur hat, kann man die freie Kapazität nicht anderweitig nutzen. Wenn zwischen zwei Datenpaketen eine Lücke ist (weil in dem Moment keine Daten übertragen werden müssen, z.B. weil ein Gesprächspartner schweigt), dann ist die Fahrspur trotzdem belegt.

Um den LEGO-Aufbau und die Erklärungen zu vereinfachen, interessieren wir uns nur für eine Fahrtrichtung. Streng genommen gibt es, wie auf der Autobahn auch, das ganze nochmal ein paar Meter weiter in die andere Fahrtrichtung.

Wir bleiben bei der Paketvermittlung, wir bleiben bei unserer 128 kBit/s breiten Fahrbahn, und wir bleiben bei unseren beiden Gesprächen. 

Aber: Die Fahrer haben erkannt, dass da Lücken (z.B. Sprechpausen) zwischen den Fahrzeugen sind. Und haben die Fahrspur gewechselt. Und siehe da, effektiv brauchen die beiden Gespräche jetzt nur noch halbsoviel Bandbreite wie vorher, ohne dass ihre Qualität dadrunter leidet.

Das passt hier zufällig, bzw. war natürlich ganz bewusst so aufgestellt, weil die Lücken (Sprechpausen) des einen Gespräches jeweils zu den Datenpaketen des anderen Gesprächs passen. Das passiert im echten Leben so nicht. Aber: Auf die Masse an Gesprächen, die ein Carrier so abwickelt, sind immer irgendwo Pausen, und während 100 gleichzeitige Gespräche früher bei der Leitungsvermittlung auch 100 Leitungen belegt haben, kommen die Fahrzeuge jetzt (bei gleicher Datenmenge/Qualität) mit nur etwa der Hälfte der Bandbreite aus.

Dazu kommt natürlich auch noch der Vorteil, den wir weiter oben bei vDSL schon hatten: Auch die Carrier untereinander sind damit nicht mehr auf SS7- (das war ISDN-für-Carrier)-Technik angewiesen, sondern können durch andere Übertragungstechniken mehr aus einem Kabel rausholen)

Im alten leitungsvermittelten Telefonnetz gab es (außerhalb von Defekten) eigentlich keine Qualitätsprobleme: Eine Leitung hatte die Bandbreite für ein Gespräch, jede Leitung konnte nur für ein Gespräch genutzt werden (ein zweites Gespräch bekam ein "besetzt"), also hatte auch jedes Gespräch genug Platz auf der Leitung.

Bei Paketvermittlung ist das anders. Jede Lücke wird genutzt, alle rücken etwas mehr zusammen, der Verkehr läuft im Idealfall genauso schnell. Aber, wie im echten Leben auch: Manchmal kommt es anders, als man denkt. 

Und wenn man nicht aufpasst, dann transportiert man drei, vier, fünf, womöglich zehn Gespräche über eine Leitung, die von der Bandbreite früher nur für zwei Gespräche gereicht hätte - es ist ja niemand da, der "besetzt" ruft. Und selbst wenn jemand da ist, der das tut (technisch möglich wäre es, aber eher unüblich): Man weiß ja vorher gar nicht, wann und wie viele Sprechpausen (und damit Lücken für die anderen Gespräche) es gibt. Man stelle sich nur mal vor, in fünf Telefonaten wird gleichzeitig "Tor!" gerufen, weil alle das gleiche Fußballspiel nebenbei geguckt haben - dann hätten wir fünf Paketfahrzeuge, die alle eigentlich gleichzeitig nebeneinander fahren wollen, dafür ist kein Platz.

Das Ergebnis sind dann Störungen und Aussetzer. Wie im richtigen Leben auch, die Pakete kommen dann einfach später an, und manchmal für den Empfänger zu spät. Kommt eine Silbe zu spät beim Empfänger an, und der Rest vom Satz wurde bereits abgespielt (und Telefonie ist ja nahezu live, d.h. so viel Zeit ist da nicht), dann wird die Silbe verworfen und der Empfänger hat einen kurzen Aussetzer gehört. Kommen zu viele Silben zu spät an, aber in der richtigen Reihenfolge, dann hört der Empfänger einen kurzen Aussetzer (weil der abzuspielende Ton noch nicht ankam), danach kommen die verspäteten Silben, werden aber u.U. deutlich schneller abgespielt, um wieder halbwegs live in den Takt zu kommen. 

Ein Zauberwort, was in dem Zusammenhang gerne fällt, ist Quality of Service (QoS). Das ist eine Technik, bei der wichtige Datenpakete mit einem Prioritäts-Aufkleber versehen werden, und die Router zwischendurch versuchen, die bevorzugt durch die überlastete Leitung zu bekommen. Kennt man aus dem Straßenverkehr auch, da haben die wichtigen Fahrzeuge ein Blaulicht und ein Martinshorn.

QoS ist eine Technik, um auf einer zu knapp dimensionierten Leitung trotzdem noch sicherzustellen, dass z.B. die Telefonie trotz Engpässen funktioniert. In den meisten Fällen ist es deutlich sinnvoller/günstiger die Leitung direkt ausreichend groß zu dimensionieren, um Engpässe zu vermeiden, denn vernünftig aufgesetztes QoS ist auch nicht ganz so einfach.