Diese Arbeit stellt AutoRec, einen neuartigen Autoencoder-Framework für kollaboratives Filtern (Collaborative Filtering, CF), vor. Empirisch zeigt sich, dass das kompakte und effizient trainierbare Modell von AutoRec die Leistungszahlen von state-of-the-art-Verfahren des kollaborativen Filterns (verzerrte Matrixfaktorisierung, RBMCF und LLORMA) auf den Datensätzen Movielens und Netflix übertrifft.