Was ist WebRTC? Ein Leitfaden für Echtzeitkommunikation im Web
- Verfasst von
- Jack Limebear
- Veröffentlicht
AnhörenArtikel anhören
Nahtlose Kommunikation im Web wirkt heute selbstverständlich. Doch für Entwickler war es früher eine große Hürde, eine Video- oder Voice-Streaming-App mit niedriger Latenz zu entwickeln. Nutzer mussten mit verworfenen Frames, Audioverzögerungen und Verbindungsabbrüchen umgehen, die Interaktionen beeinträchtigten.
WebRTC hilft Entwicklern, Schwächen der Echtzeitkommunikation im Web zu beheben, indem es Peer-to-Peer-Datenstreaming mit niedriger Latenz ermöglicht. Seit seiner Einführung im Jahr 2011 haben führende Browser wie Chrome, Safari und Firefox WebRTC übernommen. Heute unterstützt WebRTC Echtzeitkommunikation in Browsern und Web-Apps.
Dieser Artikel erklärt, wie WebRTC funktioniert, welche Anwendungsfälle und Sicherheitsaspekte es gibt und wie es sich von anderen Technologien für Webkommunikation unterscheidet.
Zusammenfassung
- WebRTC ist eine Technologie, die Peer-to-Peer-Streaming von Audio, Video und Daten in Echtzeit zwischen Browsern oder Web-Apps ermöglicht.
- WebRTC arbeitet mit UDP und eignet sich daher für Webkommunikation mit niedriger Latenz, die Paketverluste toleriert.
- Für Streaming mit WebRTC verwenden Sie Standard-APIs wie RTCPeerConnection, MediaStream und RTCDataChannel. Sie erstellen einen verschlüsselten Kanal für den Austausch von Medien in Echtzeit.
- Peer-Geräte nutzen STUN- und TURN-Server, um ihre IP-Adresse zu ermitteln und Netzwerkbeschränkungen beim Aufbau von WebRTC-Verbindungen zu überwinden.
- Bei der Entwicklung von WebRTC-Anwendungen müssen Entwickler verschiedene Herausforderungen berücksichtigen, darunter Skalierbarkeit, Sicherheit und Konnektivität.
Was ist WebRTC?
WebRTC ist eine kostenlose Open-Source-Kommunikationstechnologie, die Peer-to-Peer-Streaming in Echtzeit zwischen Webbrowsern ermöglicht. Mit WebRTC können Nutzer Video, Audio und Daten direkt austauschen, ohne Plugins oder zwischengeschaltete Software herunterzuladen.
Im Gegensatz zum herkömmlichen Client-Server-Streaming sendet WebRTC Medien direkt zwischen Peers, wenn ein direkter Pfad besteht. Relay- (TURN-)Server und Medienserver kommen nur zum Einsatz, wenn keine direkte Verbindung möglich ist oder mehr als zwei Teilnehmer beitreten. So kann WebRTC Medien mit niedriger Latenz in Echtzeit übertragen.
Moderne Webbrowser unterstützen WebRTC standardmäßig. WebRTC ist ein offener Standard von W3C und IETF, der JavaScript-APIs bereitstellt. Damit können Sie auf Kamera und Mikrofon zugreifen, einen Datenkanal erstellen und Medieninhalte an das Ziel senden.
Aufgrund seiner Einfachheit verwenden Entwickler WebRTC für verschiedene Webanwendungen, darunter Telekonferenzen, Video- und Audio-Streaming, Echtzeittranskription und Bildschirmfreigabe.

So funktioniert WebRTC: von Signalisierung zu Peer-to-Peer-Medien
WebRTC erfasst Daten im Browser, verschlüsselt sie und streamt sie in Echtzeit an einen anderen Browser. Es erstellt einen Datenkanal über das User Datagram Protocol (UDP), über den Browser oder Web-Apps Daten mit niedriger Latenz austauschen können. UDP ist ein schnelles, verbindungsloses Protokoll, das Datenpakete über Netzwerke sendet. Es muss keine Verbindung aufrechterhalten, den Empfang von Paketen bestätigen oder verlorene Pakete erneut übertragen. Dadurch ist der Overhead deutlich geringer.
Standardmäßig unterstützt die native WebRTC-API direktes Peer-to-Peer-Streaming (P2P) zwischen zwei Browsern. Mehr als zwei Browser können jedoch Daten austauschen, indem sie mehrere P2P-Verbindungen erstellen oder einen Medienserver nutzen. Häufig begrenzt die Upload-Bandbreite mehrere P2P-Verbindungen, weshalb ein Medienserver für Anwendungen wie Live-Konferenzen die bessere Wahl ist.
Im Folgenden erklären wir die Funktionsweise anhand eines Beispiels für Videoübertragung zwischen zwei Browsern.
Um eine WebRTC-Verbindung herzustellen, durchlaufen beide Browser diese Schritte.
- Medienerfassung. Bevor Daten erfasst werden, fordert der Browser den Nutzer auf, den Zugriff auf Mikrofon, Kamera oder Bildschirm zu erlauben. Dies ist eine standardmäßige Sicherheitsfunktion des WebRTC-Frameworks, die Entwickler nicht umgehen können.
- Signalisierung. Dieser Prozess ermöglicht es beiden Browsern, Metadaten über Signalisierungsserver auszuhandeln, damit der Datenaustausch gelingt. Browser A sendet beispielsweise die unterstützten Codecs, Bitraten und Verschlüsselungstechnologien. Anschließend wartet er darauf, dass Browser B mit entsprechenden Metadaten antwortet. Beide Browser müssen sich auf gemeinsame Metadaten einigen, bevor sie Daten austauschen können.
- Absicherung des Kanals. WebRTC verschlüsselt Medien und Daten während der Übertragung, um sie vor unbefugten Parteien zu schützen. Beide Browser tauschen kryptografische Schlüssel über Datagram Transport Layer Security (DTLS) aus, die sie zum Ver- und Entschlüsseln von Daten verwenden. Jeder Hop wird separat verschlüsselt. Daher kann ein Medienserver oder SFU auf die Medien zugreifen, sofern Sie nicht zusätzlich Ende-zu-Ende-Verschlüsselung einsetzen, etwa mit insertable streams.
- Medienaustausch. Sobald die Browser einen kryptografischen Schlüssel ausgehandelt haben, tauschen sie Medien über das Secure Real-time Transport Protocol (SRTP) aus. Der Sender verschlüsselt alle ausgehenden Video-, Audio- und sonstigen beliebigen Daten mit AES-128. Gleichzeitig verwendet das Gerät das Stream Control Transmission Protocol (SCTP), um beliebige Daten wie JSON- und Textdateien zu senden.
- Überlastungsmanagement. Geräte erkennen aktiv Jitter, Verzögerungen und andere Anzeichen einer Qualitätsminderung. Ein Gerät sendet Real-time Transport Control Protocol (RTCP)-Pakete an einen Peer. Anschließend analysiert es die RTCP-Antwort mit einem Bandbreitenschätzalgorithmus namens Google Congestion Control und passt seine Übertragungsrate entsprechend an.
Die WebRTC-Standards bieten Programmierschnittstellen (APIs) und Richtlinien für Medienerfassung, Datensicherheit und Medienaustausch. Sie definieren jedoch kein Signalisierungs-Framework. Daher implementieren Entwickler die Signalisierung über verschiedene Mechanismen wie WebSockets.
Unterstützte WebRTC-Codecs
Ein Codec ist ein Algorithmus zum Komprimieren und Dekomprimieren von Medienstreams. Alle WebRTC-konformen Browser müssen die folgenden Codecs unterstützen.
- Video: VP8, H.264.
- Audio: Opus, G.711 PCM (A-law), G.711 PCM (µ-law).
Einige Browser unterstützen jedoch möglicherweise neuere Codecs wie AV1 und VP9.

Die WebRTC-API: RTCPeerConnection, MediaStream und Datenkanäle
WebRTC stellt Entwicklern drei zentrale APIs in der Browser-Laufzeitumgebung bereit.
- RTCPeerConnection übernimmt Verbindungserkennung, Metadatenverhandlung, Sicherheits-Handshake und Verschlüsselung. Sie ermöglicht das Hinzufügen von Video- und Audiostreams, die das Gerät an seinen Peer sendet.
- MediaStream ist ein Objekt, das die Inhalte enthält, die Sie streamen möchten. Sie füllen es durch den Aufruf von getUserMedia(), der Kamera- und Mikrofoneingaben an die MediaStream-Instanz übergibt.
- RTCDataChannel ist ein Datenkanal, der zum Senden beliebiger Daten zwischen Peer-Browsern erstellt wird.

Warum WebRTC STUN- und TURN-Server verwendet
Die meisten WebRTC-Verbindungen entstehen zwischen Geräten in unterschiedlichen Netzwerken. Für den Datenaustausch benötigen sie die öffentliche IP-Adresse ihres Peers. Geräte befinden sich jedoch oft hinter einer Firewall, einem Router oder in einem geschützten Netzwerk. Diese Geräte kennen ihre öffentliche IP-Adresse nicht immer, was den Verbindungsaufbau erschwert.

Router verwenden Network Address Translation (NAT), um private Adressen einer öffentlichen Adresse zuzuordnen. Anschließend verwendet WebRTC Interactive Connectivity Establishment (ICE), um einen funktionierenden Pfad zwischen Peers zu finden.
NAT ist ein Dienst, mit dem Geräte in einem lokalen Netzwerk eine einzelne öffentliche IP-Adresse gemeinsam nutzen können. Ihr Computer hat beispielsweise die private IP-Adresse 192.168.1.104. Mit NAT ordnet Ihr Router sie beim Verbinden mit dem Internet der öffentlichen IP-Adresse 210.195.229.181 zu. Wenn Sie ein Datenpaket an die öffentliche IP-Adresse senden, identifiziert der Router die entsprechende private IP-Adresse und den lokalen Port und leitet die Daten dorthin weiter.
ICE ist ein Framework, mit dem Peer-Geräte einander erkennen können. Geräte versuchen zunächst, über die öffentliche IP-Adresse, die sie über einen STUN-Server ermitteln, eine Verbindung aufzubauen. Scheitert dies, greifen sie auf einen zwischengeschalteten Relay-Server zurück. Sowohl STUN- als auch TURN-Server arbeiten innerhalb des ICE-Frameworks, um erfolgreiche Peer-Verbindungen zu ermöglichen.
- Ein Session Traversal Utilities for NAT (STUN)-Server stellt einem Gerät seine eigene öffentliche IP-Adresse und den externen Port bereit. Sobald das Gerät seine öffentliche IP-Adresse kennt, sendet es sie an Peers, die eine Verbindung über das Internet herstellen möchten.
- Ein Traversal Using Relays around NAT (TURN)-Server bietet eine alternative Möglichkeit zum Aufbau von WebRTC-Verbindungen. Der TURN-Server stellt eine Relay-Adresse bereit, die beide Peers zum Datenaustausch verwenden. Können Peers trotz Kenntnis ihrer öffentlichen IP-Adresse keine Verbindung herstellen, greifen sie auf TURN zurück.

Was ist ein Medienserver in WebRTC?
Ein Medienserver ist ein zwischengeschalteter Server, der Daten zwischen Geräten in der WebRTC-Architektur weiterleitet. Ein WebRTC-Medienserver ist zwar nicht zwingend erforderlich, aber nützlich, wenn ein Gerät gleichzeitig an mehrere Peers streamen muss. Ein WebRTC-Medienserver entlastet Zielgeräte bei Verarbeitung, Verschlüsselung und Routing.
WebRTC vs. WebSocket: Welches Protokoll sollten Sie verwenden?
WebSocket ist ein Protokoll, das bidirektionalen Datenaustausch zwischen Client und Server ermöglicht. Es läuft über das Transmission Control Protocol (TCP), das eine zuverlässige, geordnete Zustellung bietet. WebRTC hingegen bietet Peer-to-Peer-Streaming über UDP, das eine niedrigere Latenz hat und für Echtzeitübertragung optimiert ist.
WebRTC ist besser geeignet, wenn Sie hochauflösendes Video streamen möchten und sich keine Verzögerungen oder Qualitätsverluste leisten können. WebSocket eignet sich dagegen für dauerhafte Verbindungen, über die Anwendungen zuverlässig Nachrichten mit dem Backend-Server austauschen können.
WebRTC und WebSocket sind keine konkurrierenden Protokolle. Tatsächlich verwenden Geräte WebSockets für die Signalisierung, um eine WebRTC-Verbindung aufzubauen. WebSocket ist für ereignisgesteuerte Nachrichten konzipiert und ermöglicht Geräten das Senden und Empfangen von Netzwerkparametern, Medienmetadaten und anderen Benachrichtigungen.

WebRTC-Anwendungsfälle für Voice, Video und Daten in Echtzeit
WebRTC ist zum Standard für Streaming mit niedriger Latenz in Web-Apps und Browsern geworden. Im Lauf der Jahre haben Entwickler WebRTC für diese Anwendungen eingesetzt.
- Videokonferenzen. Teilnehmer können über Videoanrufe interagieren, Bildschirme teilen und in Echtzeit transkribieren.
- Sprachanrufe. WebRTC unterstützt Audiogespräche in Messaging-Apps, Contact Centern und browserbasierten Telefonen.
- Internet der Dinge. IoT-Geräte streamen Video- und Audiodaten von Heimkameras, Drohnen und Türklingelkameras über WebRTC an mobile Apps.
- Telemedizin. Ärzte und Patienten führen aus der Ferne Konsultationen über browserbasierte Apps mit WebRTC-Unterstützung durch.
- Interaktives Live-Streaming. Content-Ersteller, Gamer und Entertainer interagieren mithilfe von WebRTC-Funktionen in Echtzeit mit ihrem Publikum.
- KI-Voice-Agents. WebRTC ermöglicht KI-Voice-Agents natürliche Gespräche mit mehreren Gesprächswechseln.

Ist WebRTC eine API, ein Protokoll oder eine Plattform?
WebRTC ist eine Sammlung von APIs, die auf mehreren Protokollen aufbauen. Entwickler verwenden WebRTC-APIs, die in Browser integriert oder als SDKs verfügbar sind, um Anwendungen für Voice- und Video-Streaming mit niedriger Latenz zu entwickeln. Beispielsweise rufen sie APIs wie getUserMedia, RTCPeerConnection und RTCDataChannel auf, um RTC-Verbindungen herzustellen und Daten bidirektional auszutauschen.
Sie können WebRTC auch als eine Suite von Protokollen verstehen, die zusammenarbeiten, um Streaming in Echtzeit zu ermöglichen.
Protokoll
Funktion
Datagram Transport Layer Security (DTLS)
Stellt den anfänglichen Verschlüsselungs- und Authentifizierungs-Handshake bereit, um WebRTC-Daten zu schützen.
Secure Real-time Transport Protocol (SRTP)
Verschlüsselt WebRTC-Nutzdaten, die an Peer-Geräte gestreamt werden.
Real-time Transport Control Protocol (RTCP)
Bietet Überlastungskontrolle.
Stream Control Transmission Protocol (SCTP)
Ermöglicht Geräten das geordnete Senden von Daten
Session Traversal Utilities for NAT (STUN)
Ermöglicht einem Gerät, seine öffentliche IP-Adresse zu ermitteln und sie anschließend an Peer-Geräte zu senden.
Traversal Using Relays around NAT (TURN)
Bietet über einen zwischengeschalteten Server eine Relay-Adresse, die Peers verwenden, wenn sie keine direkte Verbindung herstellen können.
WebRTC bietet zwar die Grundlagen für das Streaming von Audio, Video und anderen Datentypen, ist jedoch keine Plattform. WebRTC stellt nicht die Frameworks, Infrastruktur oder Signalisierungsmechanismen bereit, die für den Datenaustausch erforderlich sind.

WebRTC-Einschränkungen, Sicherheitsaspekte und Kompromisse
WebRTC bietet zwar bidirektionale Kommunikation mit niedriger Latenz, doch Entwickler stehen bei der Implementierung vor mehreren praktischen Herausforderungen.
Skalierbarkeit
WebRTC stößt an Leistungsgrenzen, wenn mehrere Teilnehmer einem Mesh-Netzwerk beitreten. Wenn beispielsweise fünf Teilnehmer an einer Live-Videokonferenz teilnehmen, muss ein Gerät gleichzeitig Videodaten an die anderen vier Teilnehmer streamen. Das belastet die Ressourcen und Bandbreite des Computers und verschlechtert letztlich die Streaming-Qualität.
Konnektivitätsprobleme
Geräte können möglicherweise keine Peer-to-Peer-Verbindung über STUN herstellen, wenn sie sich hinter Firewalls oder symmetrischem NAT befinden. Symmetrisches NAT ordnet öffentlich erreichbare Ports bestimmten Zielen zu, was die Peer-to-Peer-Kommunikation einschränkt. In diesen Fällen greift WebRTC auf TURN zurück, was die Ende-zu-Ende-Latenz erhöht.
Sicherheitsaspekte
WebRTC verschlüsselt zwar Daten während der Übertragung automatisch, dennoch bleiben mehrere Herausforderungen bestehen.
- Die lokale oder öffentliche IP-Adresse eines Geräts wird offengelegt, wenn es sich mit einem Peer verbindet. Das kann Datenschutzbedenken auslösen.
- Entwickler müssen ein sicheres Signalisierungsprotokoll wie HTTPS oder WSS verwenden. Andernfalls können Angreifer die WebRTC-Verbindung abfangen.
- WebRTC übernimmt keine Sicherheit auf Anwendungsebene. Sie müssen Schutzmaßnahmen wie Authentifizierung einsetzen, damit unbefugte Nutzer nicht an einem Anruf teilnehmen können.
Konsistente Signalisierung
Ohne ein standardisiertes Signalisierungs-Framework verwenden Entwickler möglicherweise unterschiedliche Signalisierungsmechanismen. Das kann zu widersprüchlichen oder nicht aufeinander abgestimmten Verhandlungsnachrichten führen. Dadurch müssen Geräte möglicherweise mehrere Versuche unternehmen, bevor sie erfolgreich eine WebRTC-Verbindung aushandeln.

Starten Sie mit ElevenAgents für Voice-Erlebnisse in Echtzeit
Mit ElevenAgents können Sie Voice-Agents in Echtzeit entwickeln, die sich über WebRTC verbinden. In den SDKs für JavaScript und React verwenden Sprachgespräche standardmäßig WebRTC und reine Textgespräche WebSocket. Sie können connectionType in startSession explizit auf „webrtc“ oder „websocket“ setzen. WebRTC ist in den SDKs für React, Swift und React Native sowie im Unity SDK für WebGL-Builds verfügbar. WebRTC bietet browsernative Echounterdrückung und Unterdrückung von Hintergrundgeräuschen, damit Audio in KI-Gesprächen klar bleibt.
Erfahren Sie mehr über ElevenAgents oder kontaktieren Sie den Vertrieb, um mit KI-Agents für Gespräche im großen Maßstab zu starten.
FAQ
Jack Limebear ist Teil des Growth-Teams und arbeitet als Content Writer und Stratege für Blog- und Insights-Seiten. Vor ElevenLabs leitete er über zehn Jahre die Content-Strategie für Unternehmen – von schnell wachsenden SaaS-Startups bis zu Fortune-500-Konzernen. Er hat einen Masterabschluss in Englischer Literatur von der University of Cambridge.




