Streaming-Dienst, Multiroom-Plattform oder Audio over IP?

„Das machen wir über Streaming" kann drei verschiedene Dinge heißen, und sie liegen auf drei verschiedenen Ebenen. Ein Streaming-Dienst ist ein Musikkatalog im Internet — Tidal, Qobuz, Apple Music. Eine Multiroom-Plattform ist ein Verbund aus Abspielgeräten und einer Bedienoberfläche im Haus — Sonos, BluOS, HEOS, Roon. Audio over IP führt einzelne Tonkanäle über das Netz dorthin, wo sonst je eine eigene Leitung läge — Dante, AES67.

Der Dienst ist eine Quelle, die Plattform ist das System im Haus, Audio over IP ist der Weg zwischen Geräten. Die beiden letzten werden am häufigsten verwechselt, und der Unterschied zwischen ihnen lässt sich an einer einzigen Größe festmachen: dem Puffer.

Der Streaming-Dienst: eine Quelle, kein System

Tidal, Qobuz, Apple Music, Spotify — ein Streaming-Dienst ist ein Musikkatalog mit einem Abonnement. Er läuft über das Internet, er kennt Dein Haus nicht, und er hat mit der Frage, wie der Ton in den Nebenraum kommt, nichts zu tun. Im Planungsgespräch ist er die Quelle, die am Ende in irgendein System hineinspielt; welche Kataloge, Tarife und Tonformate es gibt, stellt das Musikstreaming-Register nebeneinander.

Dass er trotzdem regelmäßig in dieser Diskussion auftaucht, liegt am Wort. Wer „Streaming" sagt, meint meistens nicht ihn, sondern das nächste.

Die Multiroom-Plattform: das System im Haus

Sonos, BluOS, HEOS, Roon. Eine Multiroom-Plattform ist ein Verbund aus Abspielgeräten, einer Bedienoberfläche und Anbindungen an Musikdienste, der über das vorhandene Hausnetz läuft. Was sie auszeichnet, ist die Bedienung — Räume gruppieren, Dienste durchsuchen, Warteschlangen bilden, alles von einer App aus.

Diese Zeile kennt zwei Bauarten, und der Unterschied fällt bei der Geräteauswahl ins Gewicht. Geräteökosysteme wie Sonos und HEOS bringen die Software mit der Hardware ins Haus: Du kaufst die Geräte und bekommst das System dazu. Software-Schichten wie Roon drehen das um — die Software ist das Produkt, die Ausgabegeräte kommen von fremden Herstellern, und Roon bindet seinerseits die Streaming-Dienste der ersten Ebene ein. BluOS liegt dazwischen: eine Software über neun Gerätemarken.

Wie diese Plattformen zum Netz stehen, zeigt der Blick in ihre eigenen Systemanforderungen. Ein Anbieter nennt als Höchstzahl 32 Produkte je System, empfiehlt, dass mindestens ein Gerät dauerhaft per Ethernet am Router hängt, verlangt Spanning Tree Protocol im Netz und schließt reine 5-GHz-Router, WLAN-Verstärker und Gastnetze mit Anmeldeseite ausdrücklich aus. Ein anderer nennt bis zu 16 Geräte im WLAN und bis zu 64 über Ethernet, mit dem ausdrücklichen Zusatz, dass die Leistung von Bandbreite und Konfiguration des Netzes abhängt.

Eine gemeinsame Zeitbasis hat auch diese Welt. Wer zwei Räume gleichzeitig spielen lässt, braucht sie — sonst liefen sie auseinander. Roon beschreibt seine Lösung sogar offen: Die Audio-Uhr sitzt im Ausgabegerät, und für mehrere Räume nennt der Anbieter eine Zielgenauigkeit von einer Millisekunde. Was in den Netzanforderungen fehlt, ist nur die Anforderung an das Netz — keine Prioritäten im Switch, keine Latenzvorgabe. Das ist kein Versäumnis und kein Beleg für eine fehlende Uhr, sondern die Folge der Bauweise: Wer großzügig puffert, holt den Ausgleich aus dem Puffer statt aus einer Zusage des Netzes.

Audio over IP: eine Leitung je Teilnehmer statt je Verbindung

Dante, AES67, AVB/Milan. Diese Welt löst eine andere Aufgabe: Sie führt einzelne Tonkanäle von A nach B. Ein Prozessor im Technikraum schickt sechs Kanäle an eine Endstufe zwei Etagen tiefer, und die Endstufe muss sie zur selben Zeit wiedergeben wie die Endstufe daneben.

Der Vergleich mit früher wird oft falsch gezogen. Ein Kabel liegt weiterhin — es ist nur ein anderes. Früher wäre jede Verbindung eine eigene Leitung gewesen, in der Regel analog und symmetrisch geschirmt, verstärkt oder unverstärkt. Heute braucht nicht mehr jede Verbindung ihre eigene Strecke: Es reicht, dass die Teilnehmer im selben Netz sind. Vom Prozessor geht ein Netzwerkkabel an den Switch, vom Switch je eines an jedes Gerät, und über jedes davon laufen mehrere Kanäle gleichzeitig. Aus einer Leitung je Verbindung wird eine Leitung je Teilnehmer.

Wie viele Kanäle über eine Leitung gehen, entscheidet dabei nicht die Leitung. Die Grenze setzt das Gerät: Ein verbreitetes Dante-Modul erreicht bis zu 64 Kanäle je Richtung, leistungsfähigere Bausteine deutlich mehr — eine Gigabit-Strecke liegt um ein Vielfaches darüber. Die Einzelheiten stehen bei Dante.

Was am Netzwerkanschluss ankommt, ist unverstärkt. Das ist der Punkt, der in der Planung am teuersten übersehen wird: Ein Netzwerkkabel bis zum Lautsprecher ersetzt keine Endstufe. Am Ende steht entweder ein Aktivlautsprecher, der den AoIP-Standard selbst beherrscht, oder eine Endstufe, die das kann — und die braucht an ihrem Ort Strom und Platz.

Damit diese Welt funktioniert, braucht sie drei Dinge: eine gemeinsame Uhr über das Netz, eine festgelegte Verzögerung statt eines flexiblen Puffers, und ein Netz, das sich daran hält — mit Prioritäten, mit Multicast-Regeln, oft mit einem eigenen Segment. Die Größenordnung der Verzögerung ist dabei kein Ungefähr: Eine verbreitete Plattform arbeitet mit einem Vorgabewert von 1 Millisekunde und geht bei schnellen Geräten bis auf 150 Mikrosekunden herunter, wobei an 100-Mbit/s-Ports 1 Millisekunde die Untergrenze bleibt. Die Einzelheiten dazu — die vier AoIP-Welten, die Rolle der Uhr, die Anforderungen an den Switch — stehen bei Audio over IP und werden hier nicht wiederholt.

Der Puffer ist der ganze Unterschied

Nicht die Uhr trennt die beiden Haus-Welten — die haben beide eine. Was sie trennt, ist, wie viel Zeit sie sich nehmen dürfen.

Eine Multiroom-Plattform puffert großzügig, weil sie es darf: Zwischen dem Moment, in dem ein Datenpaket ankommt, und dem Moment, in dem der Ton erklingen soll, liegt Zeit — und Zeit ist die Währung, mit der man Netzunzuverlässigkeit bezahlt. Sie synchronisiert damit Räume, und dafür genügen Millisekunden. Audio over IP puffert minimal, weil es nicht anders kann: Am anderen Ende laufen Kanäle eines Lautsprechers zusammen, und dafür genügen Millisekunden nicht.

Daraus folgt alles Weitere: warum die eine Welt über WLAN funktioniert und die andere in aller Regel nicht, warum die eine mit einem gewachsenen Heimnetz auskommt und die andere ein eigenes Segment bekommt, und warum die eine mit Schwankungen kein Problem hat, während in der anderen der Jitter zur Kenngröße wird.

Ein Sonderfall zeigt den Unterschied besonders deutlich: Ton zum Bild. Sobald ein Bildschirm im Spiel ist, gibt es eine harte Zeitgrenze, und sie ist gemessen. Die Empfehlung ITU-R BT.1359-1 nennt Erkennbarkeitsschwellen von etwa +45 Millisekunden bis −125 Millisekunden — positiv heißt, der Ton eilt dem Bild voraus. Ein Puffer von mehreren hundert Millisekunden, der für Musik in der Küche vollkommen unauffällig ist, liegt jenseits jeder dieser Schwellen. Das ist der Grund, warum Multiroom-Plattformen für den Fernsehton eigene, kürzere Wege benutzen als für Musik — und warum diese kürzeren Wege meist an bestimmte Gerätekombinationen gebunden sind.

Die vier Fragen, die die Zuordnung entscheiden

Keine dieser Fragen betrifft eine Marke, und alle vier lassen sich beantworten, bevor ein Gerät ausgewählt ist.

Sollen mehrere Lautsprecher ein gemeinsames Klangbild erzeugen — oder nur dasselbe Programm spielen? Das ist die scharfe Frage. Zwei Lautsprecher, die im selben Raum ein Stereobild aufspannen, oder ein Zonenübergang, an dem man beide gleichzeitig hört, verlangen eine gemeinsame Zeitbasis. Vier Zonen, die unabhängig voneinander dasselbe Album spielen, verlangen sie nicht.

Wo steht der Verstärker? Sitzt die Verstärkung im Lautsprecher oder direkt daneben, ist der Weg dorthin eine Zuspielung. Steht die Verstärkung zentral im Technikraum und die Signalwege gehen von dort aus, ersetzt das Netz Audiokabel — und dann gelten die Regeln der AoIP-Welt. Wichtig ist die Gegenprobe am Ende der Strecke: Ein Netzwerkkabel bis zum Lautsprecher heißt, dass dort ein Aktivlautsprecher mit AoIP-Anschluss oder eine Endstufe stehen muss, die den Standard beherrscht. Beides braucht Strom am Einbauort.

Kommt Bild ins Spiel? Sobald Fernsehton oder Filmton über dasselbe System laufen soll, ist die Zeitgrenze oben die Vorgabe, und die Pufferfreiheit wird zur Anforderung.

Wer soll es bedienen — und womit? Hier dreht sich das Verhältnis um. Die Multiroom-Plattform ist an dieser Frage gebaut und liefert Oberflächen, Dienstanbindungen und Suchfunktionen. Die AoIP-Welt liefert nichts davon; sie transportiert Kanäle und überlässt die Bedienung einer Steuerungsebene darüber.

Die Antworten schließen sich nicht aus. In der Praxis läuft in vielen Häusern beides nebeneinander: Audio over IP dort, wo Signalwege ersetzt werden, und eine Multiroom-Plattform als Quelle, die in dieses System hineinspielt.

Warum die Verwechslung so hartnäckig ist

Drei Gründe, und alle drei sind nachvollziehbar.

Dieselbe Leitung, dieselbe Dose. Beide Welten laufen über Category-Verkabelung und RJ-45-Buchsen. Was durch ein Kabel läuft, sieht man ihm nicht an — genau deshalb trennt die Seite Signalwege und ihre Ebenen Plattform, Transport und Medium.

Die Wörter überschneiden sich, und „Streaming" ist der schlimmste Fall. Es steht im Namen des AES67-Standards („High-performance streaming audio-over-IP interoperability"), es ist der Name der Musikdienste, und es steht in der Werbung für Wohnraumgeräte — drei Ebenen, ein Wort. „Multiroom" beschreibt ebenfalls mehr als eine Sache. Und „Sync" heißt in der einen Welt „derselbe Titel läuft in allen Räumen" und in der anderen „die Abtastwerte treffen zeitgleich ein" — zwei völlig verschiedene Genauigkeiten unter demselben Wort.

Ein Gerätehersteller wird für einen Dienstanbieter gehalten. Sonos und BluOS verkaufen keine Musik; sie spielen die Kataloge ab, die der Kunde ohnehin abonniert hat. Umgekehrt baut Tidal keine Lautsprecher. Wo in einem Gespräch beides „Streaming" heißt, ist die erste Rückfrage fast immer: Reden wir über den Katalog oder über die Geräte?

Wohnraumgeräte sprechen zunehmend beides. Manche Verstärker und Prozessoren für den Wohnbereich beherrschen einen AoIP-Standard zusätzlich zu ihrer eigenen Plattformwelt. Dass ein Gerät beides kann, macht die Unterscheidung aber nicht kleiner — es heißt nur, dass man beim Entwurf entscheiden muss, welcher der beiden Wege für welche Zone benutzt wird.

Grenzen und Sonderfälle

Diese Seite bewertet keine Plattform. Welche Multiroom-Plattform welche Funktion beherrscht — Podcast-Fortschritt über Geräte hinweg, Gruppenverhalten, unterstützte Abtastraten, Verhalten beim Zonenwechsel —, gehört in ein gepflegtes Register mit Datenstand und nicht in einen Fließtext, der in zwei Jahren falsch ist. Ein solches Plattform-Limits-Register ist vorgemerkt.

Herstellerangaben zu Gerätezahlen sind Obergrenzen, keine Auslegungswerte. Eine der oben zitierten Angaben enthält den Zusatz, dass die Leistung von Bandbreite und Konfiguration des Netzes abhängt. Das ist der ehrlichste Satz in allen drei Dokumenten und gilt sinngemäß für alle.

Ein AoIP-Standard im Datenblatt heißt nicht, dass die Geräte zusammenspielen. Wo die Interoperabilität zwischen den AoIP-Welten endet, behandelt Audio over IP. Die kurze Fassung: Ein gemeinsamer Standard regelt den Transport, nicht die Bedienung und nicht die Verwaltung der Geräte.

Das WLAN ist die häufigste Fehlerquelle der Multiroom-Plattformen. Nicht wegen der Bandbreite, sondern wegen der Nebenwirkungen: Kanalwechsel, Repeater, Gastnetze, Bandsteuerung. Alle drei zitierten Hersteller sagen dazu etwas, und alle drei sagen sinngemäß dasselbe — das Netz muss die Geräte untereinander sehen lassen. Die Grundlagen stehen bei Heimnetzwerk-Grundlagen.

Sprache verhält sich anders als Musik. Puffer, Gruppenlaufzeiten und Zonenübergänge werden von gesprochenem Material härter geprüft als von Musik; warum das so ist, behandelt Podcast, Hörbuch und Radio im ganzen Haus.

In der Planung

Acht Räume sollen Musik bekommen, dazu ein Kino und eine Terrasse. Der Bauherr sagt, er habe zu Hause bereits „so ein System" und wolle es mitnehmen.

Die Konzeptfrage ist keine Produktfrage: Welche Zonen müssen miteinander zeitgleich spielen, und welche nicht? Die Antwort ist im Grundriss ablesbar. Räume, zwischen denen eine offene Verbindung besteht — Küche und Essbereich, Flur und Wohnzimmer, Terrasse und Wohnraum bei geöffneter Tür —, sind hörbar benachbart und gehören zusammen. Räume mit geschlossener Tür dazwischen sind es nicht.

Die Verfahrenswahl fällt danach zoneweise aus statt für das ganze Haus. Für die hörbar benachbarten Zonen und für alles, was mit Bild zusammenhängt, ist eine Echtzeitübertragung mit gemeinsamer Uhr die Antwort. Für die übrigen Zonen ist die Multiroom-Plattform die passendere Lösung: Sie bringt die Bedienung mit, die Audio over IP gar nicht anbietet.

Zuletzt die Geräte. Dort gibt es genau eine Frage, die sich lohnt, bevor die vorhandenen Geräte übernommen werden: Kann diese Plattform in das geplante System hineinspielen — als Quelle, nicht als Verteilweg? Wenn ja, ist der Bestand kein Hindernis, sondern eine Quelle unter mehreren.

Verknüpfte Inhalte

Die technische Grundlage der einen Welt steht bei Audio over IP — Plattformen, gemeinsame Uhr, Anforderungen an den Switch. Die Bildseite derselben Technik behandelt AV over IP, die Kompressionsfrage darin Videokompression im Transport. Warum Plattform, Transport und Medium getrennt gehören, klärt Signalwege und ihre Ebenen; die Voraussetzungen im Netz stehen bei Heimnetzwerk-Grundlagen. Wie die gemeinsame Uhr technisch funktioniert, behandelt Word Clock und PTP, die bewusste Verzögerung Delay und ihre Schwankung Jitter. Warum gesprochenes Material andere Anforderungen stellt, steht bei Podcast, Hörbuch und Radio im ganzen Haus. Die einzelnen Plattformen führen Sonos, BluOS, HEOS und Roon; die Hersteller dahinter stehen auf ihren Markenseiten — Sonos, Denon und Bluesound.

Quellen

Die Systemanforderungen der drei Multiroom-Plattformen — Gerätezahlen, Netzanbindung, ausgeschlossene Netzkonfigurationen und die WLAN-Anforderung für die Bedienung — stammen aus den jeweiligen Support- und Handbuchseiten der Hersteller und sind am Objekt gelesen. Die Größenordnung der Verzögerung in der AoIP-Welt ist an der Dokumentation eines Plattformanbieters belegt; der Standard selbst und seine Revisionen sind über die Standardstelle erfasst und auf der Seite Audio over IP ausgeführt. Die Schwellen für die Zeitlage von Ton und Bild stammen aus der Empfehlung ITU-R BT.1359-1 aus dem Jahr 1998, die im Volltext eingesehen wurde.