Wir präsentieren SummaRuNNer, ein auf rekurrenten neuronalen Netzen (RNN) basierendes sequenzielles Modell zur extraktiven Zusammenfassung von Dokumenten und zeigen, dass es eine Leistung erzielt, die besser oder vergleichbar mit dem Stand der Technik ist. Unser Modell hat den zusätzlichen Vorteil, sehr interpretierbar zu sein, da es die Visualisierung seiner Vorhersagen nach abstrakten Merkmalen wie Informationsgehalt, Relevanz und Neuheit ermöglicht. Eine weitere neuartige Beitragsleistung unserer Arbeit besteht in der abstraktiven Ausbildung unseres extraktivischen Modells, das allein auf menschengenerierten Referenzzusammenfassungen trainiert werden kann und somit die Notwendigkeit von satzweise extraktivischen Labels eliminiert.