Last week, our embedded inference team had the pleasure of joining leading experts at the University of Duisburg‑Essen & Fraunhofer inHaus Center to discuss how machine learning is evolving at the edge.
Together with Bernhard Klein from Heidelberg University, Christoph Gratl (MCL) presented ongoing work on “Probabilistic Embedded Inference on Constrained Devices: A Comparison of TVM and ONNX-MLIR Compilation”.
It was inspiring to engage with the community and exchange insights on how embedded ML is driving innovation across industries: from smart manufacturing to high‑performance materials science.
Hosted by ZaKI.D and the University of Duisburg‑Essen, co‑organized by Heidelberg University, Graz University of Technology, and MCL.
Photos: © Christoph Ringhofer
***
MCL beim 6. Workshop on Embedded Machine Learning (WEML 2026)!
Letzte Woche hatte unser Embedded Inference Team die Gelegenheit, sich mit führenden Expertinnen und Experten an der Universität Duisburg‑Essen und im Fraunhofer inHaus Center über aktuelle Entwicklungen des Einsatzes von Machine Learning auf eingebetteten Systemen auszutauschen.
Gemeinsam mit Bernhard Klein von der Universität Heidelberg präsentierte Christoph Gratl (MCL) aktuelle Arbeiten zur Codegeneirerung für probabilistischer Modelle (“Probabilistic Embedded Inference on Constrained Devices: A Comparison of TVM and ONNX-MLIR Compilation)”.
Der Austausch war äußerst inspirierend und es ist spannend zu sehen wie Innovationen in Embedded Machine Learning in unterschiedlichste Bereiche ausstrahlen, von Smart Manufacturing bis zur Werkstoffentwicklung.
Veranstaltet von ZaKI.D und der Universität Duisburg‑Essen, co‑organisiert von der Universität Heidelberg, der TU Graz und MCL.
Fotos: © Christoph Ringhofer
