Pierre-Louis Sixdenier, Mark Deutel, Stefan Wildermann und Prof. Dr.-Ing. Jürgen Teich erhielten auf dem diesjährigen 7. Workshop on IoT, Edge and Mobile for Embedded Machine Learning (ITEM) bei ECML-PKDD 2026 den Best Paper Award. Ausgezeichnet wurde ihr Paper „Early-Exit Forecasting of Deep Neural Networks on Energy-Harvesting Edge Devices“.
Der Preis wurde während der Veranstaltung (11.09.2026) in Neapel verliehen.

In dieser Arbeit stellen die Autoren ein zweistufiges Verfahren zur Auswahl des Ausgangs eines Early-Exit Deep Neural Network (EE-DNN) vor.
Das Verfahren wird periodisch auf einem Mikrocontroller ausgeführt, der in einer Energy-Harvesting-Umgebung betrieben wird.

Im ersten Schritt prognostiziert ein leichtgewichtiges DNN, das als Forecaster (Vorhersageeinheit) fungiert, für eine gegebene Eingabe den Ausgang mit der höchsten Konfidenz.
Im zweiten Schritt überprüft ein Online-Energiemanager diese Prognose und stellt dynamisch sicher, dass der resultierende Energieverbrauch ein berechnetes Budget nicht überschreitet, wodurch ein energieneutraler Betrieb („Energy-Neutral Operation“) gewährleistet wird.

Die Arbeit zeigt, dass diese Kombination aus Forecaster und Online-Energiemanager den Berechnungsaufwand für EE-DNNs drastisch reduziert und den energieneutralen Betrieb ermöglicht.
Dadurch wird in Energy-Harvesting-Umgebungen die Laufzeit des Mikrocontrollers bei periodischer EE-DNN-Inferenz signifikant verlängert.

⛶

Prof. Dr.-Ing. Jürgen Teich

FAU Research Center Embedded Systems Initiative (FAU ESI)

Leitung