Die begrenzte Verfügbarkeit annotierter Röntgen-Thorax-Datensätze stellt eine erhebliche Herausforderung bei der Entwicklung medizinischer Bildanalyseverfahren dar. Selbstüberwachtes Lernen (Self-Supervised Learning, SSL) kann dieses Problem abmildern, indem Modelle auf unbeschrifteten Daten trainiert werden. Zudem haben selbstüberwachte Vortrainingsansätze in der visuellen Erkennung natürlicher Bilder vielversprechende Ergebnisse erzielt, wurden jedoch in der medizinischen Bildanalyse bisher kaum berücksichtigt. In dieser Arbeit stellen wir eine selbstüberwachte Methode namens DINO-CXR vor, die eine neuartige Anpassung eines selbstüberwachten Ansatzes, DINO, basierend auf einem Vision Transformer für die Klassifikation von Thorax-Röntgenaufnahmen darstellt. Eine vergleichende Analyse zeigt die Wirksamkeit des vorgeschlagenen Ansatzes sowohl bei der Erkennung von Pneumonie als auch von COVID-19. Durch eine quantitative Analyse wird zudem gezeigt, dass die vorgeschlagene Methode im Hinblick auf die Genauigkeit state-of-the-art-Methoden übertrifft und gleichzeitig vergleichbare Ergebnisse hinsichtlich AUC und F-1-Score erzielt, wobei signifikant weniger beschriftete Daten erforderlich sind.