利用随机模型对住户建立小分组
也正是因为电网管理者无法预测哪位户主将在何时为他的电动车充电，就像Agsten教授说的，无法计算什么时候是闲时。所以研究者模仿了蒙地卡罗法，建立一个随机模型。这样做的目的是尽可能多样化地把片区内的住户建立组合分组，组合的数量要足够少。
Agsten介绍，“这样只要分析某个地方1000到10000个方案的情况，速度会快得多。而且你可以得到一个相当不错的近似值。”大约数秒的时间，软件项目就能展示过载风险级数，以及多少辆车可以同时在本地电网内充电。
功效三合一：保护、管理、反哺
这个软件给电网运营商带来的好消息是，它们可以用这些数据来保护电网免于长期过载导致的受损和突然断电。在德国有将近56万个本地电网，这些电网都脱离大型电网独立运作。它们可被分为将近800个电网管理子单元。每个管理者对自己所属的子网络和当地电网负责，并且他们会通过颁布的职能管理条款，进行必要的电网扩张，来满足当地的供电需求。
这些公司没有足够的人力，来人肉计算多少辆电动车连接到电网是安全的。即使他们真的手动操作了，成本也相当不划算。相对而言，软件花费的时间就少的多，可以计算多少户家用设备在运行之中，包括多少洗碗机、微波炉、电视和电脑可以在过载前同时接入电网。
除了过载上限的问题，管理者还有另外一些关键因素需要考虑。例如电压稳定性、组件热负荷以及电动车因为充电时间和地点产生的即时电压不平衡波动。每当另一辆电动车接入电网，就会因为地理分散和时间不定增加上述问题组合的可能性。
现有的测试和安装的过程无法把当地所有的边界条件考虑进来。当电网内的负载不断增加，工作人员需要尽快知道还有多少能源可供调遣。否则他们不知道已经到了极限，除非他们接到了用户投诉。而这款软件的作用，就是能在他们遇到尚未处理过的峰值时，获得量化的建议和要求。
总的来说，Fraunhofer IOSB研发的整个平台是为了解决低电压网络问题，这里的低电压是指电网中最低级别的电力传输和配送网络，也就是处于电网末端的家庭用电。软件平台正是利用电网中的一系列阶段，把高电压和特高电压智能调配到人们家中的电源插头。
看得远一些，未来高级别的电网很大一部分将会借助可再生新能源，典型的是太阳能。而太阳能最大的特点就是获取不稳定，因而会导致电网波动性。不过电动车可以帮助管理者平衡这些波动起伏——因为车辆也能被用来储能。
但是这个功能的开发最先要解决的，恐怕还是电网实现电动车的智能接入吧。