Die Verbesserung der Aktualität von Daten in Informationssystemen wird in Wissenschaft und Praxis intensiv diskutiert. In diesem Zuge werden auch geeignete Metriken zur Messung der Aktualität von Daten gefordert. Deshalb wird im Beitrag eine wahrscheinlichkeitstheoretisch fundierte Metrik zur weitgehend automatisierbaren Messung der Aktualität konstruiert, die im Vergleich zu bestehenden Ansätzen eine Kardinalskalierung und Interpretierbarkeit der Metrikergebnisse als Wahrscheinlichkeiten gewährleistet. Damit können die Metrikergebnisse methodisch fundiert in Erwartungswertkalküle von Entscheidungen eingehen. Ferner erlaubt die Metrik eine Konfiguration, um v. a. datenattributspezifische Charakteristika und vorhandene Zusatzdaten bei der Messung zu berücksichtigen. Die Evaluation des Ansatzes erfolgt einerseits anhand von sechs allgemeinen Anforderungen an Datenqualitätsmetriken. Andererseits demonstriert ein reales Fallbeispiel die Instanziierbarkeit und Anwendbarkeit sowie den praktischen Mehrwert der neuen Metrik.