Die COVID-19-Pandemie ist ein weltweites Problem, und ihre Erkennung stellt aufgrund der schnellen Mutationen eine bedeutende Aufgabe für medizinische Fachkräfte dar. Die aktuellen Methoden zur Untersuchung von Brust-Röntgenaufnahmen und Computertomografien (CT) erfordern tiefgehendes Wissen und sind zeitaufwendig, was bedeutet, dass sie die wertvolle Zeit von Medizinerinnen und Medizinern reduzieren, wenn Menschenleben auf dem Spiel stehen. Diese Studie versucht, diesen Prozess zu unterstützen, indem sie durch Feinabstimmung eines Vision Transformers (ViT) den Stand der Technik in der Klassifizierung von Brust-Röntgenaufnahmen erreicht. Der vorgeschlagene Ansatz verwendet vortrainierte Modelle, die für die Erkennung der Präsenz der COVID-19-Erkrankung auf Brust-Röntgenaufnahmen feinjustiert wurden. Dieser Ansatz erreicht eine Genauigkeit von 97,61 %, einen Präzisionswert von 95,34 %, einen Recall-Wert von 93,84 % und einen F1-Score von 94,58 %. Diese Ergebnisse unterstreichen die Leistungsfähigkeit transformerbasierter Modelle bei der Analyse von Brust-Röntgenaufnahmen.