In dieser Arbeit stellen wir EdgeFace vor, ein leichtgewichtiges und effizientes Gesichtserkennungsnetzwerk, das von der hybriden Architektur von EdgeNeXt inspiriert ist. Durch die effektive Kombination der Stärken sowohl von CNN- als auch von Transformer-Modellen sowie einer linearen Schicht mit niedrigem Rang erreicht EdgeFace eine ausgezeichnete Gesichtserkennungsleistung, die für Edge-Geräte optimiert ist. Das vorgeschlagene EdgeFace-Netzwerk behält nicht nur geringe Rechenkosten und kompakten Speicherplatz bei, sondern erzielt auch eine hohe Genauigkeit der Gesichtserkennung, wodurch es sich für die Bereitstellung auf Edge-Geräten eignet. Umfangreiche Experimente auf anspruchsvollen Benchmark-Datensätzen zeigen die Effektivität und Effizienz von EdgeFace im Vergleich zu den besten leichten Modellen und tiefen Gesichtserkennungsmodellen. Unser EdgeFace-Modell mit 1,77 Millionen Parametern erzielt Spitzenwerte auf LFW (99,73 %), IJB-B (92,67 %) und IJB-C (94,85 %), wobei es andere effiziente Modelle mit höheren Rechenaufwand übertreffen kann. Der Code zur Wiederholung der Experimente wird öffentlich zur Verfügung gestellt.