I takt med att Internet blir mer och mer tillgängligt och att informationsmängden på Internetkonstant ökar, har ett behov för rekommendationssystem uppkommit. Ett problem på internet äratt veta vem och vad man kan lita på. Ett sätt att komma runt det här tillitsproblemet är attanvända sig av social media. Samtidigt har sociala medier ständigt ökat i populäritet de senasteåren. Syftet med den här uppsatsen är att undersöka hur rekommendationssystem och socialamedier kan dra nytta av varandra samtidigt som ett praktiskt problem om att fårekommendationer från sina (online) vänner löses. Detta uppnås genom att forskningsstrategindesign science används och en IT-artefakt utvecklas. IT-artefakten är en prototyp av en ny etjänst.Utifrån en enkätundersökning på prototypen och grundidén, dras slutsaser om hur detgår att skapa ett generellt personligt rekommendationssystem. Forskningen visar att det går attskapa ett sådant system och att det finns ett behov av ett generellt personligtrekommendationssystem med utgångspunkt i den information som finns lagrad i sociala medier. / As the Internet becomes more and more available, and that the amount of information on theInternet is constantly increasing, a need for recommendation systems has emerged. A problemon the Internet is knowing who and what you can trust. One way to get around this trust issue isto use social media. Meanwhile, social media have consistently increased in popularity in recentyears. The purpose of this paper is to examine how recommendation systems and SNS canbenefit from each other while the practical problem of getting recommendations from one’s(online) friends are solved. This is achieved by using the research strategy design science anddeveloping an IT artifact. The IT artifact is a prototype of a new online service. Based on asurvey of the prototype and the main concept, conclusions are drawn about how a generalpersonal recommendation system can be created. The research shows that it is possible tocreate such a system and that there is a need for a general personal recommendation systembased on the information stored in social media. This essay is written in Swedish.