01 / 09Industrielles ML99,63 %Innerhalb ±0,1 Toleranz
Teamprojekt im Master, 2026
JUMO Laser Trimming
Wie korrigiert man einen Sensor, bevor man weiß, wie weit er abweicht?
Rohit Suryaa Saravanan. Ich mache aus Rohdaten Prognosen, Agenten, APIs, Pipelines und Entscheidungen, denen man vertraut.
Softwareentwickler & Data Scientist · Fulda · Offen für neue Aufgaben
(01)Wer bin ich?Informatiker von Haus aus. Forscher aus Gewohnheit.
Data Science trifft Softwareentwicklung. Ich baue das Modell und das System drumherum.
Ich mag den Moment, in dem ein schweres Problem plötzlich Sinn ergibt.
Aufgewachsen in Chennai. Unternehmenssoftware für ein US Startup in der Cybersecurity. Jetzt M.Sc. Data Science in Fulda.
Halb Backend und .NET, halb Prognosen, ML und KI Agenten. Die besten Probleme brauchen beides.
- Wohnort
- Fulda, Deutschland
- Herkunft
- Chennai, Indien
- Sprachen
- Englisch · Deutsch
- Gesucht
- Stellen in Software, Backend, Data und ML
- 96 %VorhersagegenauigkeitPitchmodell für Windkraftanlagen, IEEE 2023
Der Fehler beim Blattwinkel sank von 8,6 % auf 2,3 %. Die Turbine erzeugte 21 % mehr Strom.
- 110.123Analysierte BestellungenPipeline für Lieferketten
Jede Bestellung eines echten Onlineshops: 92,1 % pünktlich, 881 Verkäufer bewertet.
- 63KModellierte FlügeModell für Flugverspätungen
O’Hare: im Schnitt 21,1 Minuten Verspätung. Atlanta: 13,6.
- 02VeröffentlichungenIEEE, Machine Learning und Blockchain
Windrad Pitch Prognose (2023) und Blockchain Finanzierung für Bauern (2024).
(02)Was ich gebaut habe
Neun Projekte. Echte Fragen.
Eins aus einer echten Fertigungslinie. Acht mit dem ganzen Code auf GitHub.
(03)Nächster HaltEinstieg bald
Erwische ich meinen Anschluss? Anschluss.
- WarumNur 60,1 % der Fernzüge der Deutschen Bahn waren 2025 pünktlich. ↗
- Die DatenOffene Fahrplan und Verspätungsdaten der DB für jeden Bahnhof.
- Das ModellDie Chance auf den Umstieg, mit ehrlicher Unsicherheit.
- Der DrehEin Agent, der den sichersten Anschluss wählt, nicht den schnellsten.
Start in Fulda, einem ICE Knoten
- 01Sammeln
Monatliche DB Verspätungsdaten für jeden Bahnhof, ab 2024.
- 02Lernen
Verspätung als Bandbreite von Ergebnissen, nicht als eine Schätzung.
- 03Verbinden
P(Anschluss) = Chance, dass die Verspätung in die Umstiegszeit passt.
- 04Beraten
Ein Agent vergleicht Routen und wählt die, die am ehesten klappt.
(04)Wie ich denkeDrei Regeln
Das Ergebnis messen.
Ein Modell zählt nur, wenn es eine Entscheidung verbessert.
Für den Betrieb bauen.
Saubere APIs und lesbare Logs. Die langweiligen Teile schaffen Vertrauen.
Einfach erklären.
Wenn das Team nicht folgen kann, ist es nicht fertig.
(05)Wo ich war
Vom Backend bis zum Modell.
- 2020 bis 2024
B.Tech. Big Data Computer Science
SRM University · Chennai, Indien
Verteilte Daten und Algorithmen. Beide IEEE Paper entstanden hier.
- 2024 bis 2025
Associate Software Developer
EigenSecure · USA, remote
Backend APIs, Zugriffskontrolle und Compliance Abläufe für ein Cybersecurity Startup.
- 2025 bis heute
M.Sc. Data Science
Hochschule Fulda · Deutschland
Statistik, ML und Data Engineering. Die meisten Projekte hier sind daraus entstanden.
Veröffentlichungen bei IEEE
Zertifikate
- ✓IBM Data Science ProfessionalIBM, Coursera
(06)Womit ich arbeite01 / 06
Von Rohdaten zu Ergebnissen.
Schicht 01 · Rohdaten
Am Anfang ist es immer chaotisch.
Turbinenlogs, 110.123 Bestellungen, 63.000 Flüge, Telemetrie. Immer chaotisch.
Schicht 02 · Aufbereiten
Hier passiert die meiste Arbeit.
Verbinden, korrigieren, Merkmale bauen. Falsche Daten, falsche Antworten.
Schicht 03 · Modellieren
Dann kommen die Muster.
Prognosen und Klassifikatoren, immer gegen eine einfache Baseline geprüft.
Schicht 04 · Bauen
Ein Modell, das niemand aufrufen kann, ist nur ein Notebook.
Services, APIs und Agenten, damit Menschen das Modell wirklich nutzen.
Schicht 05 · Ausliefern
Deployt, versioniert, langweilig.
Container, Pipelines und Datenbanken, die einfach weiterlaufen.
Schicht 06 · Ergebnisse
Der Teil, den man sieht.
+21 % Turbinenleistung, 18,5 % Prognosefehler, ein Agent, der nie einen Preis erfindet.