Das Projekt zielt darauf ab, Large Language Models (LLMs) wie GPT-4 und Llama durch spezifisches Fine-Tuning mit aktuellen medizinischen Leitlinien und historischen Tumorboard-Fällen als Unterstützungstools für interdisziplinäre Tumorboards zu optimieren. Dabei wird die Leistungsfähigkeit von LLMs bei der Generierung von Behandlungsempfehlungen auf Basis anonymisierter klinischer Daten initial sowie nach Optimierung durch Retrieval-Augmented Generation und Fine-tuning bewertet. Diese Empfehlungen werden mit den tatsächlich im Tumorboard getroffenen Entscheidungen verglichen, um die Genauigkeit und Relevanz der Modelle ohne zusätzliche Anpassungen zu beurteilen.