Zur Berechnung der optimalen Route kommen dabei einige Faktoren zusammen, die dabei berücksichtigt werden müssen. Zuerst ist da die Frage, wie die Ladeninfrastruktur entlang der möglichen Streckenvarianten zusammengesetzt ist. Gibt es zum Beispiel entlang der eigentlich kürzesten Route keine Schnellladesäulen, könnte eine etwas längere Strecke mit einem entsprechenden Angebot am Ende doch schneller ans Ziel führen. Auch andere Faktoren werden dabei berücksichtigt. So wird bei der Streckenberechnung auch in Betracht gezogen, ob zwei kürzere oder ein längerer Ladestopp schneller ans Ziel führen. Dafür greift das Navigationssystem auf verschiedene Daten zurück, um die Ladestopps automatisch in die Route zu integrieren.
Wichtig: Dabei werden auch die individuellen Präferenzen der Fahrerinnen und Fahrer bei der Berechnung der Routen mit einbezogen. So werden zum Beispiel Angaben zum minimalen Batterieladestand, mit dem man unterwegs sein will, berücksichtigt. Dieser wird insofern bei der Routenkalkulation berücksichtigt, dass es aufgrund der Präferenzen nicht unbedingt notwendig ist, die Batterien voll aufzuladen. Außerdem können die Fahrer auch im Vorfeld die Ladestationen ausfiltern, indem sie zum Beispiel Angaben zur Ladekapazität oder Bezahlmethode machen. Auf Grundlage all dieser Daten werden dann Route und Ladestopps geplant.
Vorerst findet das System im neuen Audi Q6 e-tron Anwendung. Die beiden Volkswagen-Töchter Audi und Cariad hatten die Anwendung gemeinsam für das Modell entwickelt. Mithilfe der myAudi app kann der ganze Trip bequem vom Sofa aus vorgeplant werden. Daraufhin wird die optimale Route ausgeworfen. Sie basiert auf die Kombination spezifischer Daten des Fahrzeugs sowie online Ressourcen.
Doch wie sicher kann man sich eigentlich sein, dass die Ladesäule am Ende auch wirklich dort steht, wo sie stehen sollte? Immer wieder kommt es zu leichten Abweichungen bei den angegebenen Standorten. Damit die Angaben möglichst genau sind, greift die Software von Cariad auf Schwarmdaten zurück. Das sogenannte Charging Feedpack, soll dazu beitragen, die Informationen über Lade-Stationen zu verbessern. Dabei werden zurzeit vor allem sogenannte Charging Points of Interest (Ladepunkte von Interesse) ins Auge gefasst.
Dazu werden die Informationen zu diesen Säulen kontinuierlich mithilfe der Schwarmintelligenz nicht nur auf Stand gehalten, sondern auch erfasst, ob sie gerade erreichbar sind. Geplant ist, die Anwendungsmöglichkeiten in Zukunft weiter auszubauen. So soll das Programm auch noch mehr und verbesserte Informationen liefern. Da wäre zum Beispiel ein kontinuierliches Live-Update über die Verfügbarkeit von Ladesäulen. Damit könnte die nervige Suche nach einer freien Ladesäule zumindest verkürzt werden. Es soll aber auch bei der Ladegeschwindigkeit und den Öffnungszeiten von Ladeparks noch verlässlichere Daten liefern.