Die Schätzung der Haltung von Tieren kann das Verständnis von Tierbewegungen fördern, was in Disziplinen wie Biomechanik, Neurobiologie, Ethologie, Robotik und der Unterhaltungsindustrie grundlegend ist. Modelle zur Schätzung der menschlichen Haltung haben aufgrund der großen Menge an verfügbaren Trainingsdaten hohe Leistungen erzielt. Die Erreichung vergleichbarer Ergebnisse bei der Schätzung der tierischen Haltung ist jedoch aufgrund des Mangels an tierischen Haltungsdatensätzen herausfordernd. Um dieses Problem zu lösen, stellen wir SyDog vor: einen synthetischen Datensatz von Hunden, der Bodenwahrheitshaltungs- und Begrenzungsbox-Koordinaten enthält und mit Hilfe des Spiel-Engines Unity generiert wurde. Wir zeigen, dass Haltungsmodelle, die auf SyDog trainiert wurden, eine bessere Leistung erzielen als Modelle, die ausschließlich auf realen Daten trainiert wurden, und den Bedarf an zeitaufwendiger manueller Beschriftung von Bildern erheblich reduzieren. Wir veröffentlichen den SyDog-Datensatz als Trainings- und Evaluationsbenchmark für Forschungen im Bereich der Tierbewegung.