„Taobao der KI-Branche“ MuleRun: Innerhalb von 10 Tagen nach dem Start 210.000 Nutzer eingeströmt, will weltweit größte Arbeitskräfte-Outsourcing-Firma werden

„Lass die KI-Maulwürfe die repetitiven, triviellen und anstrengenden Aufgaben erledigen, und der Mensch kann sich den Dingen widmen, die eher für Menschen sind.“

Am 16. September ging der weltweit erste AI-Agenten-Marktplatz MuleRun (Maultier, los!) offiziell live und ist für alle Benutzer zugänglich. Das Logo von MuleRun ist ein pixelartiges Maultier, und auf der Plattform sind verschiedene Arten von Agenten zusammengestellt.

Die Schöpfer der Agenten sind in der Regel erfahrene Personen aus verschiedenen Bereichen, die einen bestimmten Prozess verstehen. Sie wandeln ihre Fähigkeiten in Workflows um und machen daraus Agenten. Die Benutzer können auf der Plattform je nach Bedarf entsprechende Agenten mieten und nach Bedarf bezahlen. Beispielsweise ist die 3D-Desktop-Figuren-Erstellung ein auf Nano Banana basierender Agent, der pro Nutzung 50 Punkte (etwa 0,5 US-Dollar) kostet. MuleRun als Drittplattform ist für den Traffic, die Transaktionen, das Empfangen von US-Dollar und die kontinuierliche Dividendenausschüttung verantwortlich. Daher wird MuleRun von vielen als der Taobao oder der Xianyu der KI-Branche bezeichnet.

Ein sehr wichtiger Punkt: Die Schöpfer können hier Geld verdienen. Ein oft genanntes typisches Beispiel – die oben erwähnte 3D-Desktop-Figuren-Erstellung. Während der Entstehung von Nano Banana deployte der Schöpfer diesen Agenten auf MuleRun. Die Benutzer müssen nur ein Foto hochladen und auf „run“ klicken, und in zwei Schritten kann ein Figur-Bild generiert werden. Dies brachte dem Schöpfer in 3 Tagen 1200 US-Dollar ein.

Ein kleiner, konkreter und moderner Bedarf, kombiniert mit einer äußerst geringen Nutzungsbarriere, bringt Traffic und Geld. Laut Angaben des MuleRun-Teams hatten sich bis zum 25. September bereits 210.000 Benutzer bei MuleRun registriert, und über 4000 Personen haben sich als Schöpfer beworben, von denen über 500 bereits die Prüfung bestanden haben.

Chen Yusen, Gründer und CEO von MuleRun, hat diesen Punkt bereits verstanden: Die echte KI, die sich durchsetzen kann, zeigt nicht, wie stark die KI ist, sondern löst ein konkretes, reales Problem.

●MuleRun-Werbeposter

Chen Yusen war einst ein Top-Hacker in China. Während seines Studiums im Qiushi Science Class des Zhu Kezhen College der Zhejiang University gründete er ein Team für den CTF-Netzwerksicherheitstechnologie-Wettbewerb und trat später der weltweit bekannten Mannschaft „Blue Lotus“ bei, die hauptsächlich aus Tsinghua-Studenten besteht und in diesem Bereich die besten Ergebnisse erzielte.

Im Jahr 2014 gründete Chen Yusen zusammen mit drei anderen Mitgliedern der Blue Lotus das Unternehmen Changting Technology, das sich auf die Web-Sicherheitsschutz spezialisiert hat. Fünf Jahre später wurde es von Alibaba übernommen. Danach gründete Chen Yusen nacheinander das Datensicherheitsunternehmen Serval und das Spieleunternehmen Jiaogei Mao Ba. Doch er fühlte, dass dieser Markt nicht groß genug sei und wollte in einen Bereich mit höheren Potenzialen vorstoßen. Daher begann er Anfang dieses Jahres, ein Team für die Gründung eines Unternehmens im KI-Bereich zusammenzustellen. MuleRun erhielt eine Frühstadien-Investition von Alibaba.

Shu Junliang, CTO von MuleRun, und Fu Cheng, CPO von MuleRun, haben ebenfalls in den Bereichen Netzwerksicherheit und Metaverse Unternehmensgründungen unternommen. Zusammen mit Chen Yusen, drei ehemaligen CEOs, beginnen sie, nach größeren und neueren Märkten zu suchen.

Während der Suche waren sie sich bewusst, dass die KI bei der Unterstützung von Menschen noch weit hinterher liegt, vor allem wegen der Halluzinationen. Doch später entdeckte Chen Yusen einen sehr vielversprechenden Ansatz: Indem man einen großen Anteil an SOP (Standard Operating Procedure) mit einer geringen Menge an Modellfähigkeiten kombiniert, beispielsweise 80 % SOP + 20 % Large Language Model, kann man die Agenten zumindest in einen Zustand bringen, in dem sie tatsächlich einsetzbar, wiederverwendbar und rentabel sind.

Daraus ergibt sich die Idee, dass sie damit die „repetitiven und nicht allzu schwierigen Computerarbeitsaufgaben des Menschen“ ersetzen möchten und sich zur weltweit größten Arbeitskräfte-Outsourcing-Firma machen wollen. „Lass die KI-Maulwürfe die repetitiven, triviellen und anstrengenden Aufgaben erledigen, und der Mensch kann sich den Dingen widmen, die eher für Menschen sind: Lesen, Musik hören, sich um die Katze kümmern und das Leben genießen.“ sagte Chen Yusen.

Am 25. September nahmen das Gründerteam von MuleRun, bestehend aus Chen Yusen, Shu Junliang, Fu Cheng und Li Xinyu, erstmals einer Gruppeninterview, einschließlich des „Future Human Laboratory“, teil. Danach stellten wir Chen Yusen und Li Xinyu noch einige zusätzliche Fragen, um dieses Interview abzuschließen.

Im Folgenden finden Sie den Inhalt des Interviews, nach Bearbeitung und Veröffentlichung durch das „Future Human Laboratory“ –

Über die Chancen: Ein Markt mit fast keiner Obergrenze

Wann wurde das Projekt MuleRun gestartet, und wie wurde die Richtung der Plattform festgelegt?

Chen Yusen (CEO von Mulerun): Das Team hat bereits im Januar/Februar dieses Jahres mit der Vorbereitung begonnen. Damals wollten wir noch an vibe coding arbeiten. Wir dachten damals, dass wir ein besseres bolt.new oder lovable erstellen könnten, aber nachdem wir es fertiggestellt hatten, stellten wir fest, dass es fast genauso gut war wie die bereits bestehenden Produkte, aber es war zu spät, um realistische Chancen zu haben. Also suchten wir nach einer neuen Richtung.

Wir haben gesehen, dass es bei der Schaffung von Agenten bereits eine reiche Angebotsseite gibt, aber es fehlt an einer Plattform für die Bereitstellung und den Handel von Agenten. Hierin liegt unsere Chance.

Viele Leute sagen, dass Sie der Taobao der Agenten sind. Welche Art von Plattform möchten Sie MuleRun machen?

Chen Yusen: Unser Kernwert und das Problem, das wir in der Anfangsphase lösen möchten, ist es, dass Sie in Ihrem Arbeits- oder Lebensalltag eine bestimmte, häufig wiederkehrende Situation haben und auf dieser Plattform eine Lösung finden können, die Sie täglich nutzen können. Nehmen wir beispielsweise die Stelle eines junioren Personalverantwortlichen in einem Unternehmen. Dieser muss täglich viele Stellenanzeigen auf Boos Zhipin und LinkedIn posten. Dieser Prozess ist hochgradig repetitiv und gut durch KI ersetzbar.

Wir möchten eine standardisierte Anwendungsplattform für Fachleute sein, die die hochgradig repetitiven Situationen in ihrer Arbeit löst. Dieser Wert ist sehr groß, und die Penetrationsrate ist sehr hoch. Ich habe viele Jahre Erfahrung im Bereich To-Business-Startups, und es ging sehr langsam. In der KI-Zeit ist die Penetration von To-Business offensichtlich geringer als die von To-Consumer.

Aber die gegenwärtigen Fähigkeiten der Large Language Models reichen noch nicht aus, um direkt das Modell als Produkt zu nutzen und 80 % der menschlichen Arbeitsaufgaben zu lösen. Wir glauben, dass dieses Zeitfenster noch 2 - 3 Jahre dauern wird. Um mit den gegenwärtigen Fähigkeiten der Large Language Models ein bestimmtes Problem mit hoher Erfolgsrate zu lösen, muss man eine große Menge an SOP mit einer geringen Menge an Large Language Model kombinieren.

●Screenshot der MuleRun-Website

Vor ungefähr einem halben Jahr habe ich mit dem Leiter der Qualitätssicherung eines Autonomfahrungsherstellers gesprochen. Er hat mir eine sehr überraschende Zahl genannt. Mit der Kombination von Large Language Model und gut aufgebauten SOPs haben sie für die interne Unit-Tests in ihrem Unternehmen in einem Jahr ungefähr 40 Millionen Zeilen Code generiert, was der Arbeit von 200 Personen entspricht und dem Unternehmen mehrere Millionen Yuan erspart hat.

Damals waren die Fähigkeiten der Coding-Modelle noch nicht so gut wie heute. Ich habe ihn gefragt, wie er es geschafft hat, da wir Probleme mit der Stabilität beim Code-Schreiben hatten. Ihr Kernpunkt war die Ansammlung einer großen Anzahl von Standards bei den Qualitätstests. Der Agent, der den Unit-Test-Code generiert, besteht aus ungefähr 80 % SOP und 20 % Large Language Model. Dies hat mich stark inspiriert, und wir haben beschlossen, auf ähnliche Weise Probleme stabil zu lösen.

Unter diesen Voraussetzungen können Personen, die nur über spezifische Fachkenntnisse verfügen, aber keine Programmierfähigkeiten haben, ihre Fachkenntnisse in spezifische Anwendungen umwandeln. Dies ist eine enorme Chance. Wir möchten die weltweit größte Arbeitskräfte-Outsourcing- oder Arbeitskräfte-Lieferant in der KI-Zeit werden. Dies ist ein Markt ohne praktische Obergrenze.

Über die Schlüsseldokumente: Rahmenneutralität und lassen Sie einige Leute zuerst reich werden

Gab es bei der Umsetzung dieses Projekts entscheidende Entscheidungen?

Chen Yusen: Vor einigen Monaten haben wir eine entscheidende Entscheidung getroffen: Wir haben beschlossen, fast keine Investitionen in die Schaffungswerkzeuge für die Schöpfer zu tätigen und uns für eine „Rahmenneutralität“ zu entscheiden. Zunächst können die meisten Menschen heute direkt vibe coding verwenden, um Agenten zu entwickeln. Die für alle Menschen freundlichste Methode ist es, ihre Anforderungen klar zu beschreiben, und die KI erledigt dann alles. Über die Rahmenneutralität möchte ich Fu Cheng, unseren Produktverantwortlichen, sprechen lassen.

Fu Cheng (CPO von MuleRun): Es gibt bereits zu viele Tools auf dem KI- und Agentenmarkt, aber es fehlt an einer Plattform oder einer speziellen Plattform für die Monetarisierung. Wir wollen keine plattformgebundenen, ursprünglichen Tools entwickeln. Wir unterstützen es einfach, dass die von anderen Tools geschaffenen Produkte auf unserer Plattform verkauft werden können.

Dadurch können wir eine Menge Zeit und Ressourcen sparen. Wir stellen die Infrastruktur für die Bereitstellung und die vollständigen Transaktionsprozesse bereit und machen die Tool-Entwickler zu unseren Partnern in der Wertschöpfungskette. Wir wollen nicht mit dify oder n8n konkurrieren, sondern mit ihnen an einer gemeinsamen Werbung arbeiten. Die guten Schöpfer aus ihren Communities können hier Geld verdienen. Dies ist eine Win-Win-Situation und für uns in der Anfangsphase, als unser Team noch klein und unsere Ressourcen begrenzt waren, sehr wichtig.

Wenn wir an Tools arbeiten würden, wären wir möglicherweise noch immer in der Entwicklungsphase und hätten keine live-Präsenz mit einer großen Anzahl von Nutzern.

●Auf der Cloud Habitat Conference 2025, Chen Yusen ist der zweite von links.

Wie ziehen Sie Benutzer und Agenten-Schöpfer an?

Chen Yusen: Dieser Kreislauf muss in der Anfangsphase einen Anstoß bekommen. Sie müssen einige bestimmte Probleme lösen und Punkte finden, die beide Seiten motivieren. Oder Sie lassen einige Leute zuerst reich werden, damit das Ganze in Gang kommt.

Anfangs hatten wir einige Pionierschöpfer, wie der Entwickler der 3D-Desktop-Figuren-Erstellung auf Basis von Nano Banana. Er hat tatsächlich bereits drei Tage nach dem Launch über 1000 US-Dollar verdient. Dies ist ein sehr reales Beispiel und hat sich in der Entwicklergemeinde stark verbreitet. Außerdem organisieren wir vor Ort Workshops für die Schöpfer, damit sie wissen, dass es hier eine Plattform gibt, auf der sie Dinge erstellen und weltweit verkaufen können. Wir haben auch ein Anreizprogramm: Je mehr man verdient, desto mehr Anreize bekommt man.

Viele Agentenplattformen haben sich in der Vergangenheit darauf konzentriert, wie man Agenten entwickelt, aber auf diesem Gebiet gibt es viele Optionen. In China ist es wichtiger, wo die Benutzer sind. Wir wollen eine Plattform schaffen, die für die Benutzer einfach zu bedienen ist.

Frühere Open-Source-Projekte hatten für die Benutzer eine sehr hohe Einstiegshürde. Beispielsweise mussten Sie eine Docker-Um