Der kommerzielle Erfolg des stationären Internets hat für den Beginn eines neuen Informationszeitalters gesorgt. Täglich Emails zu empfangen und zu versenden ist für den Menschen des 21. Jahrhunderts genauso selbstverständlich geworden wie das Telefonieren. Er knöpft im Internet Kontakte, tätigt online Überweisungen und nutzt es als Einkaufsmöglichkeit oder Informationsmedium. Doch das Auffinden der für ihn relevanten Informationen oder die Produktauswahl in Online-Shops gerät in Anbetracht der im Vergleich zum realen Leben wesentlich größeren Produktpalette und der Informations- und Datenflut schnell zur Sisyphusarbeit. Das zentrale Problem des Information Overflows ist somit eines der grundlegenden der Informatik, die Nadel in einem exponentiell wachsenden Heuhaufen zu finden.In realen Geschäften stehen Fachverkäufer bereit, um individuelle Kaufempfehlungen auszusprechen oder den Informationsbedarf individuell zu befriedigen. Doch wer übernimmt diese Beratung in der Online-Welt? Und was genau sind individuell "relevante" Informationen? Welche Informationen sind "gut" und welche eher weniger und wie finde ich schließlich die qualitativ "bessere" und für das einzelne Individuum "nützlichere" Information? Hierfür bedienen sich Unternehmen und Dienstleister so genannter Empfehlungssysteme, die Suchenden Empfehlungen generieren, welche Informationen, welche Produkte oder welche Dienstleistungen für ihre Bedürfnisse am besten geeignet sind. Gleichzeitig werden diese Systeme von Unternehmen verwendet, ihre Kunden bei der Produktsuche zu unterstützen und ihr Angebot durch gezielte Werbung zu individualisieren und personalisieren, den Kunden an sich zu binden und in letzter Konsequenz den Unternehmensgewinn zu maximieren. Dieses Buch stellt die verschiedenen Arten und die zugrunde liegenden Algorithmen von Empfehlungssystemen dar und veranschaulicht diese anhand zahlreicher Praxisbeispiele. Ebenso wird die Geschichte des mobilen Internets beleuchtet und der Einzug von solchen Systemen auf Handys, Smartphones oder PDAs dargestellt. Insbesondere wird hierbei, bedingt durch die eingeschränkten technischen Möglichkeiten, auf die Transparenz von Empfehlungssystemen eingegangen. Der letzte Teil beschäftigt sich schließlich mit der Entwicklung eines Prototyps eines mobilen Empfehlungssystems einer sozialen Community.