Der Aufstieg großer visueller Grundmodellen, die auf vielfältigen natürlichen Bildern vortrainiert wurden, hat einen Paradigmenwechsel im Bereich des maschinellen Sehens eingeleitet. Doch die Frage, wie die Leistungsfähigkeit fortschrittlicher visueller Grundmodelle auf spezialisierte Anwendungsbereiche wie die medizinische Bildgebung übertragen wird, bleibt weiterhin offen. In dieser Studie untersuchen wir, ob DINOv3 – ein aktueller, selbstüberwachter Vision-Transformer (ViT) mit herausragenden Fähigkeiten bei dichten Vorhersageaufgaben – direkt als leistungsfähiger, einheitlicher Encoder für medizinische Bildverarbeitungsaufgaben eingesetzt werden kann, ohne spezifisch für den medizinischen Bereich vortrainiert zu sein. Um diese Frage zu beantworten, bewerten wir DINOv3 anhand gängiger Aufgaben der medizinischen Bildverarbeitung, darunter 2D- und 3D-Klassifikation sowie Segmentierung über eine breite Palette medizinischer Bildmodalitäten. Wir analysieren systematisch dessen Skalierbarkeit, indem wir Modellgröße und Eingabebildauflösung variieren. Unsere Ergebnisse zeigen, dass DINOv3 beeindruckende Leistung erzielt und eine herausragende neue Baseline etabliert. Erstaunlicherweise übertrifft es auf mehreren Aufgaben sogar medizinisch spezifische Grundmodelle wie BiomedCLIP und CT-Net, obwohl es ausschließlich auf natürlichen Bildern trainiert wurde. Dennoch identifizieren wir deutliche Grenzen: Die Qualität der erlernten Merkmale lässt in Szenarien nach, die eine tiefe Domänenanpassung erfordern, wie beispielsweise bei Whole-Slide-Pathologiebildern (WSI), Elektronenmikroskopie (EM) und Positronen-Emissions-Tomographie (PET). Zudem stellen wir fest, dass DINOv3 im medizinischen Kontext nicht konsistent den Skalierungsgesetzen folgt: Die Leistung steigt nicht zuverlässig mit größeren Modellen oder feineren Merkmalsauflösungen, sondern zeigt je nach Aufgabe unterschiedliche Skalierungsverhalten. Insgesamt etabliert unsere Arbeit DINOv3 als eine starke Baseline, deren leistungsfähige visuelle Merkmale als robuster Prior für zahlreiche komplexe medizinische Aufgaben dienen können. Dies eröffnet vielversprechende zukünftige Forschungsrichtungen, beispielsweise die Nutzung dieser Merkmale zur Sicherstellung von Multiview-Konsistenz bei der 3D-Rekonstruktion.