Für eine Videokonferenzen sind spezielle Räume mit passender Ausstattung empfehlenswert. Der Raum sollte sich in einer ruhigen Umgebung befinden und für alle Teilnehmer gut erreichbar sein, vor allem aber sollte jeder der geladenen Konferenz-Teilnehmer in diesem Raum einen Platz finden.

Ist der Konferenzraum falsch ausgeleuchtet, so erkennt ihre Gegenseite das Bild nur noch schwer. Vermeiden Sie daher direktes Licht. An die Decke strahlende Neonlichter bewirken eine gleichmäßig helle Ausleuchtung.

Gemälde und Kunstgegenstände sorgen dafür, dass sich die Konferenzteilnehmer wohl fühlen. Jedoch sollten sich diese Gegenstände nicht im Erfassungsbereich der Kamera befinden, da diese bei ihrem Gegenüber für Verwirrung sorgen könnten. Bei der Auswahl der Bestuhlung ist darauf zu achten, keine neig-, kippel- oder rollbaren Stühle zu verwenden. Als Folge könnten unscharfe Bilder entstehen, da sich die Kamera nur schwer auf bewegte Objekte fokussieren kann.

Die Platzierung der Kamera ist einer der wichtigsten Punkte bei der Vorbereitung. Verwenden sie bis zu drei Kameras, eine nimmt das Gesamtbild auf, eine fokussiert den redenden Teilnehmer und die dritte ist dazu da Dokumente aufzunehmen. Verdecken sie am Konferenztisch die Beine der Konferenzteilnehmer. Sie sollten in einer Höhe von 90-150cm montiert werden. Ein optimaler Platz für die Kamera ist direkt neben oder auf dem Monitor, denn ist der Abstand zu groß, verliert man das Gefühl jemandem gegenüber zu sitzen. In größeren Räumen empfiehlt es sich den Erfassungsbereich der Kamera auf dem Boden zu markieren, so lässt sich verhindern, dass Teilnehmer wärend der Konferenz den Erfassungsbereich ungewollt verlassen.
 

Je größer der Abstand zwischen Redner und Mikrofon ist, desto schlechter wird ihr Gegenüber sie verstehen. Bei größeren Räumen empfiehlt es sich deswegen mehrere Mikrofone zu benutzten.

Viele Monitore oder Konferenzanlagen ermöglichen eine Bild-in-Bild Darstellung. Bei mehr als 4 Bild-in-Bild Darstellungen wird das Bild zu klein, daher ist es zu empfehlen einen zweiten Monitor zu benutzen. Für flimmerfreie Bildübertragung sollten sie 100Hz Monitore, TFT sowie LCD oder Plasma TV einsetzen. Bei mehr als 10 Teilnehmern sollten sie allerdings auf Beamertechnik zurückgreifen, da diese ein ausreichend großes Bild liefert.

Für eine Videokonferenz sind ein oder mehre ISDN Anschlüsse zwingend nötig, mit jedem weitere Anschluss steigt die Bildqualität.

Bei Desktopsystemen handelt es sich um Videokommunikationslösungen, die in einen PC integriert sind. Es wird dafür neben einer externen Kamera (heute meist USB-Webcam) auch ein Mikrofon beziehungsweise Headset benötigt. Man unterscheidet hardware-basierte (Kodierung und Dekodierung auf einer Steckkarte) und rein software-basierte Desktop-Systeme (z.B. Skype). Neben den relativ geringen Kosten bieten Desktopsysteme den Vorteil, dass der Anwender während der Videokonferenz vollen Zugriff auf seine Daten und die auf dem PC installierten Programme hat. Desktopsysteme eignen sich daher insbesondere dort, wo im Rahmen von Konferenzen auch eine gemeinsame Datenbearbeitung erfolgen soll, etwa mit Hilfe der Software NetMeeting®.

Diese Kompaktsysteme stellen voll integrierte Videokommunikationslösungen dar, zu deren Betrieb in der Regel lediglich noch ein Monitor und die entsprechenden Netzanschlüsse (ISDN und/oder LAN) benötigt werden. Aufgrund des geringen Gewichtes und der einfachen Installation eignen sich diese Geräte auch für den mobilen Einsatz.

Raumsysteme sind modular aufgebaute, leistungsstarke Videokommunikationslösungen. Durch variable Ausstattungsmerkmale sind flexible Systemkonfigurationen für fast jede Anwendung möglich. Leistungsstarke Kameras, Raummikrofone und große Monitore erlauben auch in großen Konferenzräumen die Integration dieser Systeme, die auch die Einbindung diverser Peripherieeinrichtungen wie zum Beispiel Dokumentenkameras ermöglichen.

Hierzu gehört etwa die in der Entwicklung befindliche Mobilfunk-Videokonferenz per UMTS oder die Bildtelefonie.

MCUs sind Sternverteiler – auch als Reflector bezeichnet – für Gruppenkonferenzen. Sie sind immer dann notwendig, wenn mehr als zwei Teilnehmer an einer Konferenz teilnehmen wollen. Es handelt sich um Hard- und/oder Softwarelösungen, die eine oder mehrere Mehrpunktkonferenzen verwalten und steuern. Die MCU ist mit allen Teilnehmern verbunden. Sie verwaltet und regelt die ein- und ausgehenden Video- und Audiodatenströme. In Deutschland werden MCUs zum Beispiel innerhalb des DFN-Vereinszum Betrieb seines Dienstes VideoConference eingesetzt. Aber auch Unternehmen und große Landesverwaltungen wie z.B. in NRW setzen MCUs für Videokommunikation ein. MCUs unterstützen u. a. die Protokolle H.323 und SIP.

Der Gatekeeper ist eine zentrale logische Komponente der Videokonferenz, die unter anderem den Verbindungsaufbau zwischen den Endgeräten und der MCU organisieren kann. Alle Geräte, welche einem Gatekeeper zugeordnet sind, befinden sich in der gleichen Zone (ähnlich den Vorwahlnummern beim Telefon). Mit einem Gatekeeper werden Adressumsetzungen durchgeführt.

Ein Gateway verbindet unterschiedliche Netze miteinander und ist über die OSI-Schichten 4 bis 7 implementiert. Dabei konvertieren Gateways Protokolle ineinander, können aber auch die Kopplung von zwei Netzwerken übernehmen. Bei gemeinsamer Nutzung von ISDN- und TCP/IP-Endgeräten ist der Einsatz eines Gateways zwingend notwendig.

Peer-to-Peer (P2P)- Videokonferenzsysteme stellen einen alternativen Ansatz zu den herkömmlichen zentralistischen Videokonferenz-Systemen dar, wie z. B. den H.323-Systemen. Sie verzichten auf einen zentralen Gruppen- und Kommunikationsserver, wie er bei den H.323-Systemen durch den Gatekeeper und die MCU gegeben ist. Stattdessen wird die gesamte Intelligenz in die Endsysteme, d.h. die PCs und Workstations, verlagert. P2P-Konferenzen benötigen ein verteiltes Gruppen- und Dienstgütemanagement. Der große Vorteil von P2P- Videokonferenzsystemen besteht darin, dass sie die Durchführung von Videokonferenzen unabhängig von einer bestehenden Videokonferenz- infrastruktur (MCU, Gatekeeper) gestatten. Damit werden insbesondere spontane Konferenzen unterstützt. P2P-Videokonferenzsysteme sind zumeist Desktopsysteme. Sie sind deutlich billiger als herkömmliche Videokonferenzlösungen, was einem größeren Nutzerkreis den Zugang zu dieser Technologie ermöglicht. P2P-Videokonferenzen sind gegenwärtig noch Gegenstand der Forschung. Sie unterliegen bisher keiner Standardisierung. Beispiel für P2P-Videokonferenzsysteme sind das System BRAVIS der BTU Cottbus und das System daViKo der FHTW Berlin.

Einen wichtigen Teil der technischen Basis bilden die Protokolle H.320, H.323 und T.120. Diese Protokolle sind so genannte Regenschirmnormen, welche noch andere Protokolle zu einzelnen Aspekten beinhalten.

Das wichtigste Protokoll für den Betrieb im Internet ist das Protokoll H.323. Die Norm regelt die Zusammenarbeit für Videotelefonie-Endgeräte, die über ein LAN/WAN verbunden sind. Innerhalb des Rahmens von H.323 wird im Protokoll H.225 die Steuerung der Verbindung und die Umsetzung von IP-Adressen geregelt, mittels H.245 einigen sich die Geräte darauf, welche Dienste sie unterstützen. Das betrifft vor allem die Videokomprimierung nach H.261, H.263 oder H.264 und die Audiokodierung von G.711 bis G.729.

Das Protokoll H.320 regelt den Betrieb von schmalbandigen Videotelefonieendgeräten (z. B. ISDN, Sat, Richtfunk) und enthält, wie H.323, weitere Rahmenspezifikationen.

Mit Hilfe des Protokolls T.120 werden Datenanwendungen innerhalb einer Videokonferenz realisiert. Es umfasst neun Richtlinien, welche den Verbindungsauf- und -abbau, die Flusskontrolle, die Zusammenarbeit mit MCUs, die Verwendung von Whiteboards, den Dateitransfer und das Application Sharing detailliert festlegen.

Der Standard beschreibt einen zweiten Medienstrom (Video, Audio oder Daten), der von den Herstellern unter verschiedenen Namen (z. B. People+Content, DuoVideo) in erster Linie für die Übertragung von Präsentationen genutzt wird . Diese proprietären Lösungen werden sukzessive in einen interoperablen Standard überführt, der jedoch ein Application Sharing nicht zulässt, da kein beiderseitiger Zugriff auf die Daten möglich ist.

Das Session Initiation Protocol (SIP) wurde für die Übertragung von Multimedia-Anwendungen entwickelt. SIP basiert auf SMTP und HTTP und ist nicht mit H.323 oder H.320 kompatibel. Eine konzeptionelle Grundlage ist das Client-Server-Modell. Der Teilnehmer benötigt einen Client und alle Datenströme werden über einen zentralen Server verteilt.