Die Horizontlinie ist eine wichtige kontextuelle Eigenschaft für eine Vielzahl von Aufgaben der Bildverstehens. Daher wurden zahlreiche Methoden vorgeschlagen, um ihre Lage aus einem einzigen Bild zu schätzen. Diese Ansätze setzen typischerweise auf bestimmte visuelle Hinweise im Bild, wie Verschwindungspunkte, koplanare Kreise oder regelmäßige Texturen, was ihre Anwendbarkeit in der realen Welt einschränkt. Wir stellen eine große, realistische Evaluationsdatenbank namens „Horizon Lines in the Wild (HLW)“ vor, die natürliche Bilder mit annotierten Horizontlinien enthält. Anhand dieser Datenbank untersuchen wir die Anwendung von Faltungsneuralen Netzen (CNNs) zur direkten Schätzung der Horizontlinie, wobei keine expliziten geometrischen Einschränkungen oder spezielle visuelle Hinweise erforderlich sind. Eine umfassende Evaluation zeigt, dass unsere CNNs – entweder isoliert oder in Kombination mit einer vorherigen geometrischen Methode – auf dem anspruchsvollen HLW-Datensatz sowie auf zwei bestehenden Benchmark-Datensätzen Ergebnisse auf dem Stand der Technik erzielen.