Ergebnisse des Projekts Edge-Power als Video-Präsentation verfügbar
Results of the Edge-Power project are available as video presentation

Auf der Fachkonferenz „Edge-Computing 2025: Von der Forschung zur Anwendung“ präsentierte das Edge-Power Konsortium seine gemeinsam erzielten Projektergebnisse. Diese Video-Präsentation ist auch öffentlich verfügbar bei Youtube.

Der Beitrag des Lehrstuhls für Messtechnik waren interpretierbare und energieeffiziente ML-Algorithmen, wobei unser FESC/R (Feature Extraction, Selection and Classification/Regression) Ansatz als tiefe neuronale Netzwerke repräsentiert wurde, um besonders effizient auf AI-Beschleunigern ausgeführt zu werden (im Video dargestellt ab Minute 10:00). Wir danken allen Partnern für die hervorragende Zusammenarbeit.

At the conference “Edge Computing 2025: From Research to Application,” the Edge-Power Consortium presented its joint project results. This video presentation is also publicly available on YouTube.

The Chair of Measurement Technology contributed interpretable and energy-efficient machine learning algorithms, with our FESC/R (Feature Extraction, Selection and Classification/Regression) approach represented as deep neural networks for particularly efficient execution on AI accelerators (presented in the video starting at 10:00). We thank all partners for the excellent collaboration over the course of this project.

Weitere Veröffentlichungen aus dem Edge-Power Projekt / further publications from the Edge-Power project:

• J. Schauer, P. Goodarzi, J. Morsch, A. Schütze: A Performance Study of Deep Neural Network Representations of Interpretable ML on Edge Devices with AI Accelerators, Sensors 2025, 25(18), 5681, doi: 10.3390/s25185681
• J. Schauer, P. Goodarzi, A. Schütze, T. Schneider: Efficient hardware implementation of interpretable machine learning based on deep neural network representations for sensor data processing, J. Sens. Sens. Syst., 14, 169–185, doi: 10.5194/jsss-14-169-2025

Das Projekt Edge-Power wurde gefördert vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) in der Fördermaßnahme „Elektroniksysteme für vertrauenswürdige und energieeffiziente dezentrale Datenverarbeitung im Edge-Computing (OCTOPUS)“.

The Edge-Power project was funded by the Federal Ministry for Research, Technology and Space (BMFTR) in the funding measure “Electronic systems for trustworthy and energy-efficient decentralized data processing in edge computing (OCTOPUS)”.